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。     

基于高频分量修正的图像水印混合方法

针对图像版权保护中图像水印受攻击的鲁棒性问题,提出一种基于高频分量修正(high frequency component modification,HFCM)的图像水印混合方法.在嵌入部分,首先利用高斯低通滤波器对原始图像进行预处理,使用秘钥随机选择多个灰度级,并且构造滤波图像关于这些选择的灰度级直方图;然后引入直方图形状相关指标来选择像素数最高的像素组,并在所选择的像素组和未选择的像素组之间建立安全带.该文提出了一种HFCM机制的水印嵌入方案,将水印嵌入到所选像素组中,以进一步提高鲁棒性.在解码端,基于可用的秘钥识别水印像素组,并从中提取水印.实验结果表明,该文算法对不同的攻击具有较强的鲁棒性,且性能优于其他算法.     

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。     

插电式混合动力汽车等效因子的实时优化

为了兼顾平衡SOC与降低燃油消耗的需要,进一步提高插电式混合动力汽车的燃油经济性,对等效因子的实时优化方法进行了研究.以NEDC工况为例,将行驶工况分解为不同的基本工况块,分别对各个基本工况块的等效因子与燃油消耗量、SOC变化量的关系曲线进行线性拟合,并将等效因子实时优化问题转化为简单的线性规划问题,构建了基于线性规划的等效因子实时优化模型,在此基础上提出了基于线性规划的自适应等效燃油消耗最小策略(A-ECMS).硬件在环测试证明,基于线性规划的等效因子实时优化模型的实时性满足实车控制器在线控制的需求,具备实车应用的可行性.测试和仿真结果显示,在不同工况下基于线性规划模型的A-ECMS均可维持SOC平衡,取得接近于全局优化能量管理策略的燃油经济性,说明该实时优化模型具备实际应用价值和应用潜力.     

考虑路径走行时间边界的行程时间可靠性研究

以路径的自由流时间为路径走行时间的下边界,提出了截断正态分布条件下的出行时间预算模型,并将其与一般正态分布条件下的出行时间预算模型进行对比.在多用户随机网络条件下,假定出行者的期望准时到达概率是异质的,并建立了基于可靠性的多类用户随机用户均衡模型.研究结果表明,在截断正态分布条件下,出行者的预算时间更大,且其风险厌恶水平是基于情景自适应的.同时,对准时到达要求较高的出行者倾向于选择可靠性较大的路径,对准时到达要求不高的出行者倾向于选择平均走行时间较小的路径.     

基于模糊逻辑四元数的平方根UKF算法

针对目标跟踪估计算法中,利用传感器离散观测建模并估计目标连续状态,进行导航解算时滤波精度低,及传统四元数扩展卡尔曼滤波算法无法满足目标姿态测量精度要求等问题,文中提出一种基于模糊逻辑四元数的平方根UKF姿态估计算法.该算法将四元数作为模糊逻辑UKF滤波器状态,应用测量的角速率完成滤波器的时间更新及量测更新,采用模糊逻辑的平方根协方差形式作为更新参数,既降低了算法的计算量和复杂度,又保证了数值的稳定性.文中还以近地卫星为例,在Matlab和C++软件上进行了仿真实验.实验结果表明:文中所提算法可保证对机器人和特征的姿态控制估计精度;可对目标实时跟踪定位并进行量测更新,抑制了姿态误差发散问题.     

基于改进强跟踪滤波器的UWB/AHRS紧组合定位方法

针对遮挡环境下的车辆定位问题,提出一种基于改进强跟踪滤波（ISTF）算法的超宽带（UWB）与航姿参考系统（AHRS）紧组合定位方法.该方法使用阈值鉴别UWB测距异常值并消除其影响,将强跟踪滤波（STF）算法应用到紧组合系统的数据融合中,并结合定位模型对算法进行改进,以提高算法的稳定性和对观测噪声的估计精度.仿真与实验结果表明,该方法能在复杂工况下提供车辆精确的定位信息,与UWB单独定位及采用几种非线性滤波算法相比,系统的鲁棒性更强、定位精度更高,具有很强的实用性.      

CEEMDAN自适应阈值去噪算法在地震方向的应用

提出一种基于自适应完备集合经验模态分解(CEEMDAN,complete ensemble empirical mode decomposition with adaptive noise)的自适应阈值去噪算法。含噪信号经CEEMDAN算法分解成若干个模态分量(IMF,intrinsic mode functions),根据样本熵理论,对IMF分量中高频分量自适应选取,根据噪声和有用信息与原始信号的相关性不同,对高频分量中的噪声系数定位,利用能量熵选取噪声主区间,用高频分量中噪声主区间的噪声系数方差作为阈值,对高频分量进行阈值去噪,进一步去除噪声,保留高频中的有用信息,最后将信噪分离的高频分量和低频分量重构。分别对合成和实际地震信号去噪处理,并与常规去噪算法进行对比。数据仿真和实验结果表明,在原始信号信噪比为0.5dB时,常规与改进算法去噪后信噪比分别为4.55dB和9.97dB,大幅提高信噪比,达到随机噪声压制的目的,实现了高频分量的自适应选取和高频分量中有用信息的再提取。     

自适应卡尔曼滤波在供水管网爆管预警的应用

根据Supervisory Control and Data Acquisition （SCADA）系统异常监测值能及时预警供水管网爆管,但由于用水周期变化、随机波动及监测误差,导致实际中很难预警较小爆管。针对该难题,开展了基于自适应卡尔曼滤波的供水管网爆管信号识别研究,提出将历史监测数据按用水周期分解,采用自适应卡尔曼滤波结合平均低通滤波对管网供水量进行实时估计,根据监测值与估计值的差,预警爆管、估算爆管流量。分别采用仿真数据与实测数据验证所提出方法,结果表明,所提出方法可用于实际供水管网爆管预警;对所采用实测数据,爆管预警精度约为最大时水量的9%;此外,实际爆管预警精度主要取决于用水量本身的随机波动,同时与监测数据采样频率相关。     

基于预设性能转台伺服系统的参数估计和自适应控制

针对含参数未知和非线性摩擦动态的转台伺服系统,提出了一种基于预设性能函数的参数估计和自适应控制方法.利用一种连续的摩擦模型表示转台伺服系统的摩擦动态,引入高阶神经网络对其进行逼近.通过构造一种滤波辅助变量获取参数估计误差信息,并将估计误差信息作为参数自适应律的遗漏因子,保证估计值能够快速收敛到真实值.为了提高转台伺服系统的瞬态响应和稳态性能,利用预设性能函数将原始系统的跟踪误差转换为一个新的误差动态,在此基础上设计自适应控制器,实现对期望轨迹的精确跟踪.仿真结果验证了本文所提算法的有效性.