基于Kalman滤波的白噪声估计理论的推广

应用Kalman滤波方法和射影理论,将现行的白噪声估计理论推广到一般的随机系统,其中系统噪声在相邻时刻是相关的,且系统噪声和观测噪声在相同和相邻时刻也是相关的。提出了统一的最优和稳态白噪声和拟白噪声估值器。一个仿真例子说明了其有效性。     

带有色观测噪声的ARMA模型参数估计的三段算法

提出了带有色观测噪声的自回归滑动平均（ARMA）模型参数估计的三段算法。第一段用递推增广最小二乘法（RELS）估计自回归（AR）参数;第二段用Gevers-Wouters算法估计伴随滑动平均（MA）模型参数;第三段用求不相容线性方程组的最小二乘解得到原始MA参数估值。一个仿真例子说明了其有效性。     

带未知模型参数的自校正集中式融合信息滤波器

对于带未知模型参数和噪声统计的多传感器系统,通过系统辨识方法,能够获得模型参数和噪声统计的在线估值,然后把它们代入到基于信息矩阵的最优集中式融合滤波器,得到自校正集中式融合Kalman滤波器。应用动态误差系统分析（DESA）方法,证明了自校正集中式融合Kalman滤波器收敛于最优集中式融合Kalman滤波器,因此它有渐近全局最优性。应用于信号处理的仿真例子说明了其有效性。     

基于改进型广义双曲正切模型的机器臂控制算法研究

针对存在复杂干扰情况下的机械臂轨迹跟踪控制问题,采用了一种基于双曲正切模型的鲁棒自适应控制方案。利用高解释性的改进型广义模糊双曲正切模型的全局逼近特点,设计一种自适应控制器用于机器人轨迹跟踪控制;同时以解一个线性矩阵不等式方程来保证系统的鲁棒稳定性。通过Lyapunov理论验证设计的控制器能够有效地克服不确定性对系统的影响,实现闭环系统的渐近稳定。仿真实验表明此控制算法具有较高的跟踪精度和较强的鲁棒性。     

图像椒盐噪声的分阶段中值滤波算法

针对自适应中值滤波算法的缺陷——对高密度椒盐噪声图像滤波后留下黑色斑块,提出了一种分阶段中值滤波算法.该算法对图像执行两次小窗口的滤波操作,相较于采用较大窗口的滤波,其在有效去除噪声的同时降低了结果图像的模糊程度.先对所有噪声点进行一次中值滤波消除了盐粒噪声,再用窗口内非噪声点的灰度中值代替胡椒噪声点的灰度值以去除黑色斑块.最后的仿真实验结果表明,本文算法既有像自适应中值算法一样滤除低密度椒盐噪声的良好性能,又有对高密度椒盐噪声图像的降噪能力。     

基于积分时间和增益可调的CMOS驱动设计

为了适应光照强度的变化,通常需要改变积分时间来选择合适的曝光量.但积分时间设置过长,会使CMOS图像传感器的输出帧频大幅度的降低.为了解决这一问题,以IBIS5-A-1300 CMOS图像传感器为例.在分析其内部结构和积分驱动时序的基础上,提出了一种改进的设计方法,可以保证在对图像传感器的输出帧频影响较小情况下,能够实现自适应光照强度调整.利用VHDL语言对设计的驱动时序进行描述,并在QuartusⅡ环境下进行系统功能仿真,仿真结果表明,所设计的驱动时序可以满足自适应曝光的要求.     

分类均值—加权中值混合滤波器

研究了受混合噪声污染图像的降噪滤波问题,并提出了一种基于均值滤波和加权中值滤波的混合滤波方法,该方法将输入样本集按照某种分类方法分成若干子集,在各自子集内进行求均值,然后根据不同子集的样本个数进行加权中值滤波。经分析和计算机模拟表明,此种方法能较好地消除高斯和脉冲混合噪声的影响,并且计算简单。     

自适应控制汽车疲劳模拟试验研究

目的在于建立一种新的疲劳模拟时域控制方法。疲劳模拟试验系统本质上是一个自动控制跟踪系统。提出利用最小方差自校正控制器来控制试验台跟踪期望响应信号。在微机上对算法编程,实现了实时控制。用理论算例模拟各种复杂工况验证了算法推导和编程的正确性。最后在Ｔ型梁振动台架上进行试验,可以达到很高模拟精度,满足疲劳模拟试验要求,证明这种方法是实用的。     

基于多模型的自适应控制研究进展

基于多模型的自适应控制（ＭｕｌｔｉｐｌｅＭｏｄｅｌＢａｓｅｄＡｄａｐｔｉｖｅＣｏｎｔｒｏｌ,ＭＭＡＣ）其目的在于对各种复杂的、具有高度不确定性的、快时变的系统给出一种行之有效的控制方法．文中对这一领域的研究进展进行了回顾、分析与总结．介绍了ＭＭＡＣ的基本原理和基本思想,给出了ＭＭＡＣ的结构框图,分析讨论了其中存在的几个重要问题,并指出了与这些问题相关的未来的研究方向     

自由曲面数字化的自适应规划

针对数学模型已知的自由曲面,依据质心定理推导出基于形状的采样算法,提出在给定采样精度下的自适应采样方法;针对数学模型未知的自由曲面,引入平面数字化曲线有界性概念,建立测量参数与采样步长的内在联系,提出了基于曲率和曲面切线斜率的自适应规划方法．计算机仿真结果表明,所提出的规划方法可显著提高数字化采样效率．