滑模变结构控制及其在直流伺服系统中的应用

论述了滑模变结构控制的基本方法及其在直流伺服系统中的应用．仿真结果表明,滑模变结构控制的性能优于常规的PID控制,在系统参数变化时表现出更强的鲁棒性。     

基于自抗扰三维最优比例滑模导引律设计

针对飞行器末制导过程中存在着模型不确定性因素以及气动环境复杂等鲁棒控制问题,提出一种基于自抗扰三维最优比例滑模制导律控制方案。该控制器能够在线动态反馈补偿内外扰动的影响以增强系统的鲁棒性,仿真结果表明该方案具有较高的制导精度和较强的鲁棒性。     

数字音频水印技术研究综述

对数字音频水印技术的相关概念和现有各类算法进行了较为系统地描述与分析,并对数字音频水印技术的未来发展方向和前景进行了预测,以期进一步推动我国在此前沿领域的研究工作.     

Forecast evaluation tests in the presence of ARCH

We consider tests for the equality of prediction mean squared errors and for forecast encompassing. It is shown that, if forecast errors exhibit ARCH, size distortions are induced in the usual tests. Adjusted test statistics are suggested to alleviate this problem. Copyright © 1999 John Wiley & Sons, Ltd.     

航空发动机鲁棒自适应反演控制

针对航空发动机非线性和不确定性的特点,提出了一种基于神经网络的多输入多输出反演控制方法。采用径向基神经网络逼近系统中的不确定性,在控制中引入自适应鲁棒项,以克服系统中不确定性的影响。在递推过程中,虚拟控制量和实际控制量的求取始终基于Lyapunov稳定性原理,从而保证了闭环系统的一致渐近有界。最后针对某型涡扇发动机非线性模型设计了转速控制器,仿真结果验证了该方法的有效性。     

基于小波变换的信息隐藏算法研究

随着网络技术和多媒体技术的飞速发展,数字水印技术作为版权保护和信息安全的重要手段得到了广泛的研究和应用,通过在原始数据中嵌入秘密信息水印来证实该数据的所有权或完整性,达到版权保护和信息安全的目的。根据空间域和小波域的特点,提出了一种基于图像分割和小波变换的信息隐藏算法。对提出的算法进行了仿真实验,并对嵌入信息的图像进行各种攻击测试。实验表明,该算法对嵌入信息具有不可见性和良好的鲁棒性。     

LSE的稳健性

用不同于Zyskind的方法在LS估计的稳健性方面得到了一些新结论。首先,对设计矩阵列满秩,协方差矩阵非奇异的情形,给出了GLSE和LSE相等的两个充要条件和一个充分条件,揭示了GLSE和LSE相等与它们方差相等之间的关系,对设计矩阵的一般情形,给出了三个充分条件,较好地解决了这方面的问题。     

面向图像数据的对抗鲁棒性综述

神经网络的脆弱性是深度学习方法中的关键挑战之一，获得鲁棒的深度神经网络是网络安全和深度学习的共同目标。然而单一学科得参与并不能有效解决当前面对抗鲁棒性面临的复杂问题。该文章旨在引起诸多学科对对抗鲁棒性研究的兴趣，包括认知科学、人类科学和社会科学。本综述从四个方面总结了对抗性鲁棒性，分别是：对抗攻防、对抗性脆弱的原因、泛化和评估。其次，提出了三个较为重要的研究方向以及一些开放性问题。解决对抗脆弱性问题需要多学科参与，对抗鲁棒性研究发展需要深度学习模式向开放转变。     

一种高精度低复杂度的改进Root-MUSIC算法

针对目前多数低复杂度Root-MUSIC算法的精度损失问题，研究并提出了一种具备精度补偿能力的低复杂度Root-MUSIC算法.该算法依据有限快拍数得到的近似数据观测矩阵首行重构具有Toeplitz形态的自相关矩阵，使重构的自相关矩阵具备Hermitian性;对重构的自相关矩阵特征值分解后获得噪声子空间，并将噪声子空间翻转拆分，重构新的求根多项式，进而通过求根方法得到DOA估计值.本文算法通过Toeplitz矩阵重构及求根多项式降阶，不但有效提高了改进Root-MUSIC算法的DOA估计精度，同时改进算法的时间复杂度不高于前人算法;在不同的入射信源及采样快拍数下，本文算法表现出更强的鲁棒性和稳定性.     

基于粒子群优化的波束空间广义旁瓣相消算法

针对广义旁瓣相消(generalized sidelobe canceller, GSC)算法运算量大, 在波束形成中存在旁瓣较高、稳健性差的问题, 提出一种基于粒子群优化(particle swarm optimization, PSO)的波束空间GSC算法。首先, 建立一种优化自适应转换矩阵将信号处理过程由阵元空间转换到波束空间, 通过减小自由度来降低算法的运算量。其次, 构建最小均方误差适应度函数, 在波束空间中利用压缩因子PSO算法充分利用接收数据的相关性, 缩减与期望信号误差并降低波束旁瓣。所提算法在降低算法运算量的同时, 解决了波束旁瓣过高的问题, 并在低快拍、强干扰条件下具有较好波束形成能力, 算法稳健性好。