基于交互式多模型的VR系统头部运动预测算法与仿真

虚拟现实系统中的视觉延迟会严重破坏其沉浸感,是导致仿真病的重要原因之一.针对此问题,栽分析头部运动特点基础上,采用常速模型和"当前"统计模型构成的模型集合描述头部运动,建立了交互式多模型预测滤波器对头部位置进行预测,并对预测效果进行了仿真验证.仿真结果表明,相比以往采用单一、固定模型描述头部运动的预测器,该预测器提高了头部位置预测精度,从而更加有效地补偿了VR系统中的视觉延迟.     

电子系统状态时间序列预测的优化相关向量机方法

针对电子系统状态时间序列的预测问题,提出一种基于量子粒子群优化（quantum behaved particle swarm optimization, QPSO）的相关向量机（relevance vector machine, RVM）方法。对电子系统状态时间序列进行相空间重构,建立了RVM回归预测模型;以交叉验证误差最小作为优化目标,将RVM核参数表示为量子空间中的粒子位置,采用QPSO算法实现RVM模型参数的自动优化选择。雷达发射机状态时间序列预测实例表明,相比已有方法,所提方法具有更高的预测精度;同时,能够输出预测值的置信区间,有利于对电子系统未来健康状况做出更加可靠的判断。     

基于灰色相关向量机的故障预测模型

针对样本数据量较小条件下的故障预测问题,提出了一种灰色相关向量机（relevance vector machine, RVM）故障预测模型。在模型的训练阶段,根据特征数据序列建立其离散灰色模型（discrete grey model, DGM）,以DGM的预测值作为输入、原始数据序列作为输出,训练得到RVM回归预测模型;在模型的预测阶段,由建立的DGM和RVM回归预测模型组合得到灰色RVM故障预测模型,并通过引入新陈代谢过程,不断更新数据中的信息。实验结果表明,模型的预测性能优于传统的灰色预测模型。