基于Volterra级数模型的内模控制方法

针对一大类具有一定不确定性的非线性系统,提出基于Volterra级数模型的鲁棒内模控制器设计方法。利用局部形式的小增益定理,得到在辨识模型和实际对象模型失配的情况下,闭环系统鲁棒稳定的充分条件。对于设定点调节问题,得出闭环系统获得零稳态误差跟踪性能的充分条件。通过对一个连续搅拌反应池（CSTR）过程控制问题的仿真研究表明,应用该方法可以取得良好的控制效果。     

大系统稳态优化控制的改进新算法

引入标志算法抗干扰性能强弱的灵敏度指标，讨论了稳态优化控制两步算法（参数估计与模型优化相结合）最优性的参数灵敏度问题，特别对线性模型且具有二次性能指标控制问题的标准两步法和修正两步法的灵敏度作了分析比较．并提出了适合参数估计和模型优化中存在误差时的新算法．     

基于神经-模糊推理网络的机动目标跟踪方法

对目标机动的检测和准确跟踪，是目标跟踪研究中非常重要但难度较大的问题。在雷达和红外融合的跟踪系统，将神经-模糊推理网络与扩展Kalman滤波结合起来，形成闭环。即提取和目标机动有关的特征量送入神经-模糊推理网络，再估计目标机动输入，实现对机动目标的精确跟踪。仿真试验说明了本文所采用方法的有效性。     

基于多卡尔曼滤波器的自适应传感器融合

准确估车前目标的位置和状态是车辆安全系统的一个重要组成部分,利用多传感器可以提高对目标测量的可靠性。给出了一种用于汽车防碰撞系统中估计车前目标位置的多传感器融合算法,根据车辆与目标之间的一步预测距离,从多个预置的卡尔曼滤波器中选择一个合适的滤波器来实时处理传感器的量测数据。该算法不仅可以有效地处理具有不同测量范围的传感器数据,同时还可以通过滤波器切换的方式,处理具不同数据速率的传感器数据。Monte Carlo数字仿真证明了该算法的有效性。     

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。     

基于自动筛选技术的分布式CFAR检测算法

针对多传感器分布式恒虚警率(CFAR)检测技术在杂波环境下的应用,基于广义有序统计(OS)和自动筛选技术,提出了一种新的分布式多传感器目标检测算法。首先利用广义有序统计(OS)恒虚警算法来得到各传感器的杂波/噪声电平估计,然后将检测单元电平与估计得到的杂波/噪声电平比较,得到各传感器的局部判决。采用"OR"或者"AND"融合准则在融合中心形成全局判决,得到有无目标的判决。多目标引起的非均匀背景中,采用了自动筛选技术,使得干扰目标进入后沿滑窗的机会变小,对于干扰目标有较好的鲁棒性。在假定目标服从Swerling II起伏的情况下,导出了相应的检测概率与虚警概率闭式解。最后,给出了多种检测器数值和图表分析的比较结果,表明了该方法的有效性和优越性。     

一种准线性光束平差方法

为了解决光束平差运行速度慢、复杂度高的缺点,提出了一种准线性光束平差方法(QBA),该方法利用深度因子等于投影矩阵的第3行与射影空间点相乘的特性,采用重投影点和已知图像点的代数距离建立目标函数,交替地将投影矩阵和射影空间点两个量中的一个保持不变,线性地求取另一个量,最后完成射影重建.实验结果表明,QBA方法具有较快的收敛速度,同时和传统的Levenberg-Marquat方法及Mahamud方法比较,QBA方法运行时间约是L-M方法的1/8,是Ma-hamud方法的1/3.     

一种带未知时变系统噪声水平的目标跟踪滤波器

在机动目标跟踪中，为了保证Kalman滤波器的数值稳定性和最优性，未知的时变系统噪声水平需要在线估计，但已有方法主要针对平稳或统计特性缓变的噪声过程。在Sage-Husa系统噪声水平自适应估计算法的基础上，通过引入基于新息的滤波器发散检测判据和利用强跟踪滤波器的思想，提出了一种系统噪声水平估计值的时变调节因子阵来抑制因系统噪声水平突变而引起的滤波器可能出现的发散问题。Monte-Carlo仿真结果表明，该算法不仅数值稳定性好，同时目标的跟踪精度也得到明显改善。     

极坐标系中带多普勒量测的雷达目标跟踪

将仅仅考虑位置量测的二维去偏一致转换量测卡尔曼滤波算法进行推广,以解决包含多普勒量测且斜距误差和多普勒误差相关的雷达目标跟踪问题。首先用斜距和多普勒量测的乘积构造伪量测,以减小多普勒量测和目标运动状态之间的强非线性程度;然后用嵌套条件方法得到了转换量测误差前两阶矩的一致性估计;最后根据伪量测是目标运动状态二次函数的特性,用二阶EKF最优地实现了非线性跟踪滤波,其中为了进一步减小二阶EKF的近似误差,利用Cholesky分解实现了位置量测和伪量测的序贯处理。Monte-Carlo仿真结果表明采用新算法可以明显改善跟踪滤波器的性能。     

基于FCM的多传感器融合多目标跟踪的数据关联

数据关联是实现多目标跟踪的核心技术之一,也是实现多传感器信息融合的前提。本文采用改进的模糊c-均值法求解关联概率,并通过在不同的传感器所对应的观测空间上建立多目标运动状态的投影,将单传感器数据关联算法推广到多传感器信息融合系统,从而可在密集杂波环境中实现对多目标的数据关联和精确跟踪。仿真实验结果说明了本文方法的有效性。