混合服务策略轮询特性下物联网传感节点设计①

为了提高物联网传感器的节能效果和连通性,需要进行节点的优化部署设计,提出基于混合服务策略轮询特性分析的物联网传感节点设计方法。首先分析物联网传感节点的分布式组网结构,由此构建失效代价模型,在模型中采集传感器网络的混合汇聚节点数据,并进行多元信息融合,为最优节能约束下物联网传感节点能量开销的计算提供数据基础,完成物联网传感节点的优化分簇和部署设计,最终实现混合服务策略轮询特性下物联网传感节点设计。仿真结果表明,采用该方法进行物联网传感节点设计的均衡性较好,节点的能耗开销较小,具有很好的物联网部署能力。     

基于变分贝叶斯估计方法的双尺度自适应Kalman滤波

针对Kalman滤波在对敌目标估计应用中遇到的量测和过程噪声均未知且时变的情况,提出了一种利用变分贝叶斯估计的双尺度自适应滤波方法。解决了2个关键问题：一是针对量测和过程噪声协方差的共轭后验分布提出了相对转移概率指标,设计了启发式的自适应噪声估计窗口,实现了稳态精度和时变响应性能的综合提升,能适应敌方目标机动性高且统计特性变化快的特点;二是设计了在不同时间尺度上估计过程噪声和量测噪声的协方差方法,解决了在同一时间尺度上使协方差估计值发生严重偏差且增大滤波误差的问题。仿真表明,所提方法能快速跟踪目标状态噪声统计特性的变化并保证估计精度。     

基于稀疏恢复的 MIMO-STAP干扰样本检测方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术在训练样本存在有源干扰时杂波抑制性能严重下降的问题,提出了一种干扰样本检测方法。首先使用正则化FOCUSS算法估计出各原子的空时功率谱值,接着设置谱值门限将谱值较大的原子取出,然后确定扫描带对空时二维平面进行扫描,最后根据进入扫描带最大原子数占总原子数的比例判别训练样本是否存在干扰。仿真实验表明,该方法可有效检测出训练样本中的干扰,使用该方法挑选出的无干扰训练样本恢复杂波谱可保证空时滤波器的杂波抑制性能,提升稀疏算法求解杂波谱时涉及到的样本的可靠性。     

柔性直流输电用子模块电容器电容值在线获取方法

针对柔性直流输电系统中模块化多电平换流器(MMC)子模块电容器常常会老化失效,威胁系统安全的问题,以监测MMC子模块电容器状态为目标,提出了一种采用自适应滤波器的柔性直流输电用子模块电容器电容值的在线获取方法。首先,利用实时反馈到控制系统的子模块电压和桥臂电流信息,基于离散化处理后的电容器电压、电流以及电容值的关系,实时计算得到电容器电容值;然后,引入自适应滤波技术滤除计算结果的噪声,得到最终电容值的计算结果。利用Simulink仿真平台和阀段试验平台实测数据对所提计算方法进行了验证。验证结果表明,最终的电容值计算结果始终稳定在真值附近,当电压电流测量的不确定度小于1%时,可以保证计算结果误差小于0.5%,能够满足子模块电容器状态监测的需求。     

基于MCKD与CEEMDAN的声信号故障特征提取方法

在双转子轴承状态监测与故障诊断中,信号传递路径复杂,很难通过加速度传感器直接获得信号,而声音信号有非接触式测量的优势,包含大量特征信息.为了能够准确、有效地通过声音信号实现滚动轴承故障诊断,检测出轴承故障,提出了基于自适应噪声完备集合经验模态分解(CEEMDAN)和最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法.首先运用最大相关峭度解卷积方法增强轴承故障声音信号中的冲击,然后对处理后的信号进行CEEMDAN处理,计算每个经验模态分量的峭度值,根据峭度值选取最优分量并求Hilbert包络谱,以准确提取故障特征频率.文中采用该方法基于声音信号实现滚动轴承故障诊断,为提取最优分量提供了理想筛选标准,一定程度上降低了故障诊断的复杂程度,具有良好的自适应性.     

含随机参数的偏微分方程的自适应高斯过程求解器

对于数值求解含随机参数的偏微分方程的问题,本文基于以高斯过程为核心的求解器提出了一种自适应挑选训练数据的求解模型.该模型从极少的初始训练数据集出发训练高斯过程求解器,将参数池中预测方差指示变量最大的参数及其对应的偏微分方程的高精度解加入训练数据集中,然后重复上述过程,直到所训练出来的高斯过程求解器在测试数据集上达到所要求的精度.此外,本文还将该自适应模型在带有二维随机参数的扩散方程上进行测试,结果表明所提出的自适应选点策略有效,模型的预测准确度随着训练数据的增加而迅速提高,最终只需要40个训练数据即可在测试数据集上达到要求的精度.     

基于改进粒子滤波的视觉目标跟踪

针对目标跟踪算法在精度和鲁棒性上的要求,提出一种基于改进粒子滤波的视觉目标跟踪算法.首先,建立多种特征来描述目标外观模型,并对各特征分量的加权系数进行自适应调节;然后,利用分类重采样方法解决原始重采样方法中的粒子退化和匮乏问题;最后,提出一种新的模板更新机制,自适应选取运动模板或原始模板.实验结果表明,改进后的算法在具有挑战的跟踪视频序列上实验,具有良好的跟踪精度和鲁棒性,能够应对视频图像分辨率不高、目标转动变化、部分遮挡等复杂条件.     

改进混合蛙跳算法的研究

针对传统混合蛙跳算法(SFLA)在优化过程中出现的求解精度不高、收敛速度慢、算法易陷入局部最优的问题,本文经过改变种群个体的位置更新公式,提出一种改进混合蛙跳算法(ISFLA)。在种群个体位置更新公式中,引入自适应同步因子和惯性权重系数。通过引入自适应同步因子,控制青蛙寻优过程中的移动步长,改进算法的局部搜索范围,保持种群的多样性。通过引入惯性权重系数,加入上一次的移动距离,表示对过去的经验记忆,加快搜索速度。通过对6个测试函数的实验结果表明,改进后的混合蛙跳算法相较于传统混合蛙跳算法具有较好的寻优性能。     

适用于高速背板通信的动态增益与盲均衡协同校正自适应均衡模型

针对背板通信中信道的时变干扰,该文提出具有增益自适应和盲均衡动态校正功能的均衡模型。该模型基于符号-符号LMS算法,采用CTLE(连续时间线性均衡器)对受到信道干扰的信号进行初步补偿,同时利用增益监控算法和动态盲均衡自适应算法实现对信道幅度衰减的监测和补偿。而在DFE(判决反馈均衡器)中,同时结合半速率结构进行信号的补偿和判决,进一步消除误差。研究结果表明,该模型可对受干扰眼图进行大幅度的校正和补偿,提高传输信号的可靠性,实现均衡功能。     

基于AUV的航迹追踪自适应UKF算法

无迹卡尔曼滤波算法(UKF,unscented kalman filter)是一种常见的(AUV,autonomous underwater vehicle)加权统计线性回归航迹追踪算法,其算法冗余度低于(EKF,extended kalman filter)、(PF,particle filter)及(PSO,particle swarm optimization)等数值优化算法,且算法效率较高。然而,UKF控制算法中的系统采样时间间隔通常会被设置为常数,由此可能会产生预测值的误差累积,从而影响导航预测结果的精度。因此,笔者提出了基于AUV的航迹追踪自适应无迹卡尔曼滤波算法(AUKF,adaptive unscented kalamn filter algorithm),以期降低预测算法的累积误差。该预测方法依据标准UKF算法的原理,通过构造相应的约束、判断与反馈机制,调整系统状态方程中每一步的采样间隔t,从而提升算法的航迹追踪精度并减少过程噪声及传感器噪声对预测过程的影响。最后,通过仿真实验与结果对比,近一步验证了之前所提出的设想。