一种对IMM真实误差协方差的估计方法

交互式多模型IMM被认为是对混合系统估计的一种性价比最好的算法之一。由于真实模式序列未知，由IMM得到的误差协方差矩阵通常与真实值不相等。在假设条件下，分析了一种新的对真实误差协方差的估计方法，并且通过Monte-Carlo仿真用真实误差协方差矩阵的平均值来评估IMM的性能．     

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

针对交互多模型(interacting multiple model, IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型（variable structure multiple model, VSMM）的高斯混合基数概率假设密度（Gaussian mixture cardinalized probability hypothesis density, GMCPHD）滤波算法。该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性。此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布。最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用。     

组合导航自适应交互多模型算法研究

针对交互多模型(IMM)方法模型集覆盖能力与计算量相矛盾的问题,提出了将简化的Sage-Husa自适应滤波与IMM相结合,构成一种自适应交互多模型的方法.简化的Sage-Husa自适应滤波首先给出噪声统计特性的粗略值,IMM方法以该粗略值为中心,对称地得到模型集,再进行IMM估计.车栽组合导航仿真表明,该算法能够以较少的模型实现对实际模态的覆盖,而且精度比IMM方法也进一步提高.     

基于Input Estimation的VSIMM机动目标跟踪

IMM算法的跟踪性能很大程度上取决于模型集的选择.提出了基于InputEstimation的自适应改变模型集的变结构多模型算法IE_VSIMM.对IMM算法输出的状态估计及其误差协方差进行准Kalman滤波,由Input Estimation算法得到的加速度增量估计,可检测目标机动和生成新的模型集.修正过程则由IMM算法在新模型集上对状态估计及其误差协方差进行更正.仿真结果表明IE_VSIMM算法的跟踪性能更好.     

一种改进的多模型噪声辨识方法

在混合系统参数估计问题中，交互式多模型算法是一种比较有效的求解方法。但是当系统机动模式较多时，模型集中的模型数目也随之增加。针对模型集过大导致的参数估计精度下降的现象，提出了一种改进的多模型算法，并将其应用于系统噪声辨识。它利用多扫描量测信息，采用离散优化技术，获得近似于系统的实际噪声水平的最优的子模型集。然后，利用此进行噪声估计作为结果输出。Monte Carlo仿真结果表明了新算法估计精度优于标准IMM算法。     

适用于模型失配时的改进IMM算法

机动目标难以跟踪的主要原因是无法找到一个准确的模型来描述目标的运动,即此时目标运动模型是失配的。现今交互式多模型（interacting multiple-model, IMM）算法是一种常用的用于机动目标的跟踪算法。推导分析了现有的典型IMM滤波算法在跟踪机动目标时存在的不足,提出了一种更适用于运动模型失配情况下机动目标跟踪的改进IMM算法。该算法对在跟踪机动目标时滤波器的新息序列的均值特性进行推导分析,改进了IMM算法中模型概率的计算方法,提高了模型概率计算的准确性,从而提高对机动目标的跟踪精度。建立了典型的机动目标跟踪场景,将改进后的IMM算法和原有的典型IMM算法的跟踪性能进行了对比研究,并对模型转换概率的准确性进行了分析,仿真结果验证该改进算法的有效性。     

基于IMM的UK-GMPHDF算法在多机动目标跟踪中的应用

为解决非线性系统滤波的非线性和多机动目标跟踪问题,提出了一种基于交互多模型(IMM)的无迹卡尔曼实现的高斯混合概率假设密度滤波(UK-GMPHDF)算法.该算法结合了IMM算法对不同目标机动模型的自适应能力和UK-GMPHD滤波精度高、计算量小的优点.此外,滤波器利用UK-GMPHD滤波,不仅避免了难以解决的数据关联问题,而且可以联合估计目标数和目标状态.在非线性系统和杂波环境下,通过对多机动目标跟踪的应用仿真,将该算法和基于单模型的UK-GMPHDF算法进行了比较,仿真结果表明了基于IMM的UK-GMPHDF算法具有较好的跟踪性能,大大提高了多机动目标跟踪精度,减少了跟踪的多目标误差.     

融合位置和姿态信息的模型概率估计

为了利用目标的姿态信息来提高机动目标跟踪的精度,提出一种融合位置和姿态信息的模型概率估计算法。该算法采用模糊关联的方法,实现了基于姿态信息的模型概率估计;根据离散点过程滤波的基本理论,对其进行滤波;采用贝叶斯推理方法,对来自姿态的模型概率和来自位置的模型概率进行了信息融合,并将融合后的模型概率应用到IMM算法。仿真表明,改进的IMM在保持传统IMM实时性的基础上提高了跟踪精度,从而验证了姿态信息对目标跟踪的辅助作用。     

交互式多模型算法过渡过程的仿真分析

交互式多模型(IMM)是混合估计理论中比较优越的算法。混合系统假设模式的切换能够瞬时完成。然而由于量测噪声和滤波系统惯性的作用，混合系统的模式切换具有过渡过程，对于实际运动模式切换存在漏检与误报。本文利用。Monte Carlo仿真分析了两模型IMM算法过渡过程的滤波残差的统计特性，研究结果对于分析和改进算法具有重要的意义。     

一种模糊自适应交互多模型算法

提出了一种模糊自适应交互多模型（FAIMM）算法。该算法通过模糊推理机制，在线调节模型集合中部分模型的参数，使这些模型对不同的目标机动模式有更强的自适应能力，从而使该算法可以采用较少的模型达到很好的跟踪滤波效果，而且避免了传统交互多模型算法的模型冲突问题，大大减少了计算量。最后将该算法与传统的交互多模型算法进行了仿真对比，仿真结果表明，FAIMM算法比传统的交互多模型算法有更好的跟踪性能。     

基于物理模型的特定人脸模型与表情动画模型

人脸造型与人脸表情动画的研究是计算机图形学领域中的一项热门课题,其模型的建立是构建人脸表情虚拟系统的一个重要基础,该系统可广泛地应用于虚拟环境、可视电话、远程教育等系统中。本文根据人脸生理结构的特点,先将人脸表面分成若干块、进而运用弹性形变原理,分析了脸部各块的形变规律,提出了一种将一般人脸模型变换为特定人脸模型的变形模型,而后又以眼睛为例,分析了“眨眼睛”的物理运动规律,为其建立了表情动画模型。在此基础上我们开发了一个实际的人脸造型与表情动画系统,运用该系统生成的特定人脸及表情动画自然、真实,结果令人满意。     

典型Weiener模型和Hammerstein模型数学模型辨识方法

本文介绍的非线性动态系统中的典型Weiener模型如“线性—限幅”系统,“线性—死区一限幅”系统和典型Hammerstein模型如“死区—线性”系统,“滞环—线性”系统参数辨识方法,是在只知道系统输入和输出,而不知道中间变量任何信息的情况下,利用频谱分析方法,辨识出系统中线性和非线性部分全部参数的。最后,还对非线性特性辨识结果进行确认性检验。     

质子交换膜燃料电池温度的MPC控制

根据PEMFC热量传递机理建立电堆温度的simulink模型,由于实验模型属于非线性模型,很难对其设计控制器,因此在工作点附近将系统线性展开得到其线性模型.针对线性模型设计MPC控制器,调整得到合理参数后,利用此MPC控制器调节电堆温度模型的控制输入,得到对电堆温度的理想控制效果.     

作战模型验证的过程成熟度模型

作战模型由于自身的特点,它的验证问题一直是一个难点。分析了影响作战模型验证的主要因素,总结了作战模型验证的一般方法,研究了作战模型验证的过程成熟度模型,有助于作战模型验证人员在验证过程中进行阶梯式的改进。     

Revisiting Total Model Errors and Model Validation

The paper contains a discussion of earlier work on Total Model Errors and Model Validation. It is maintained that the recent change of paradigm to kernel based system identification has also affected the basis for(and interest in) giving bounds for the total model error.     

混合系统状态模型与对象模型的分析研究

为充分完全的建模混合系统的特性,提出从不同角度对混合模型进行建模。在此理论基础上,对混合系统进行两种不同模型的建模:基于自动机的状态模型,以及从系统理论出发的混合系统对象模型,并建立这两种模型的形式化表达,以此表达为基础,进一步分析了这两种模型之间的相互关系,以及它们的特点和应用范围。为混合系统建模及其应用提供理论参考。最后通过一个应用实例证实两种模型的正确和有效。     

模型集成

阐述了模型集成有关的问题，首先讨论什么是模型集成，模型是对现实的简化的表达和抽象，模型集成的研究始于模型管理，但前者扩展了后者的范围，特别是在对复杂的社会经济或环境问题建模时；模型集成服务于系统建模，怎样实现模型集成？本文总结了3种方法，并例举目前比较常用的模型集成平台和一些典型的模型集成的例子。     

支持模型重用的舰艇作战仿真模型框架

针对舰艇作战仿真研究中的模型重用问题,改进面向实体的系统分析和描述方法,即EATI(Entities、Actions、Tasks、Interactions,实体、动作、任务、交互)方法,提出面向角色的舰艇作战仿真系统分析与描述方法,即RA-EP(Roles、Actions;Entities、Processes,角色、行动;实体、过程)方法;提出了领域相关、应用和实现无关的舰艇作战仿真模型框架的设计思想与设计方法,设计并实现了舰艇作战仿真模型框架;说明了模型框架支持模型重用的实现方式,即基于模型框架的三阶段仿真设计与实现方法.为复杂系统建模与仿真领域中的模型重用提供了一条重要的技术途径.     

航天任务模型到规划模型转换的映射方法研究

卫星任务规划与调度的基础是建立合理的任务规划的数学模型,由于针对具体的规划问题,规划模型的构建效率较低而且通用性不强.通过提出转换规则,分析模型转换的源模型--基于PDDL的航天应用任务模型(记为EOSAST-PDDL)和目标模型--规划模型,得到模型转换的主要因素,在此基础上提出了模型转换的映射方法.针对规划模型的组成元素设计转换规则和转换的过程算法,实现了数学模型的自动化构建.最后,通过对地观测卫星对点目标的观测应用任务的案例,验证了映射方法的可行性.     

结构模型在统计模型分析中的应用

在综合统计中使用系统工程方法之一——结构模型方法进行统计模型的分析,可以使统计工作有序可靠, 对统计结果用户能方便地进行分析．