多速率马尔科夫跳变系统的序贯融合估计

对带噪声相关的马尔科夫跳变系统,提出了在多传感器多速率均匀采样情形下的序贯融合估计算法。系统中状态均匀更新,不同传感器以状态更新周期的正整数倍进行观测采样,同时不同传感器间的观测噪声不仅同时刻相关,而且与过程噪声相关。根据状态更新点处的传感器观测采样情况,建立状态更新点的单速率状态空间模型。对转化后的单速率马尔科夫跳变系统状态进行扩维,进而将对原系统状态的估计等价地转化为对扩维后状态的估计,在此基础上,提出了在线性最小方差(Lineor minimum variance sense, LMSE)意义下的最优集中式融合估计算法和最优序贯融合估计算法。所提出的序贯融合估计算法通过对传感器观测数据的实时处理,可获得状态的实时融合估值。同时证明了集中式融合估计和序贯融合估计的等价性。仿真实验进一步验证了所提算法的有效性。     

多传感器信息融合综述

多传感器信息融合协调利用多个传感器，通过对各传感器获得的未知环境特征信息的分析和综合，得到对环境全面、正确的估计，它避免了单一传感器的局限性，可以获取更多信息，得出更为准确、可靠的结论．较全面地介绍了多传感器信息融合技术的背景、概念、原理、融合层次的划分以及信息融合方法等内容，对其未来的发展趋势作了展望并指出了有待解决的问题。     

基于相对误差D辨识的电力系统参数错误辨识方法

电力系统参数错误会严重影响状态估计的结果,从而降低能量管理系统(EMS)中先进的应用程序的实用性,因此需要有效的方法来辨识电力系统中的参数错误。本文提出包含自环网或电磁环网的典型区域电网的参数估计模型和算法,采用相对误差D指标辨识法实现典型区域电网可疑元件参数的有效辨识与校正,通过应用估计参数改善典型区域电网状态估计的精度。     

南极海冰厚度的优化辨识

根据中国第22次南极科考现场观测数据,建立了辨识海冰厚度的分布参数系统最优控制模型,对南极中山站内拉湾海冰厚度进行了优化辨识,辨识得到的海冰厚度与观测结果非常接近,同时模拟得到的冰内温度分布与实际观测温度也吻合良好,表明所建立的参数辨识模型及其求解算法是正确、有效的.     

二阶部分线性自回归模型的稳健估计

本文将稳健估计程序思想运用到二阶部分线性自回归模型中,得到了未知参数β和非参数函数g(·)的稳健估计.在一定的条件下,证明了未知参数和非参数函数估计的相合性.并通过时间序列的数据模拟验证相合性结果.     

基于下记录值逆Rayleigh模型的估计及预测

当观测数据是下记录值时,利用经典方法讨论了逆Rayleigh分布未知参数的极大似然估计和一致最小方差无偏估计,进而得到了可靠度及失效率的极大似然估计．取未知参数的先验分布为Gamma分布,在平方损失函数下讨论了逆Rayleigh模型的未知参数、概率密度函数、累积分布函数及系统可靠度的Bayes估计,并对元件的剩余寿命进行预测．通过蒙特卡洛模拟研究了估计量的性质,借助数值实验对估计量的值进行计算．     

基于PSO优化泛模型的非线性系统控制

针对一类非线性离散时间动态系统,提出了基于改进泛模型的非线性控制方法。该方法首先将非线性系统动态线性化为带误差修正的改进泛模型,对其中的时变特征参量建立AR模型进行预报,然后在改进泛模型的基础之上,根据二次型性能指标设计最优控制律,控制律中的未知参数即为AR模型中的参数以及泛模型中的误差修正系数,将其作为粒子向量,采用粒子群优化(PSO)算法进行优化。经过优化后的控制律作用于该非线性对象,可以收到良好的控制效果。该方法的优势在于简单而且易于实现。仿真结果表明了算法的有效性。     

浮点数编码的遗传算法在系统辨识中的应用

采用基于浮点数编码(十进制编码)的遗传算法,融合和改进了一些遗传操作,提出了一种系统辨识的方法并应用到在噪声背景下ARMA模型系统的辨识.仿真表明,该方法能有效地克服有色噪音的干扰,从而获得系统参数的无偏估计,在开口箱扬声器系统的低频参数测量中的应用也表明了该方法的有效性.     

声矢量传感器阵列的实值Root-MUSIC算法

为提高矢量传感器阵列的波达方向(DOA)估计精度和减少运算量,提出了基于矢量传感器阵列的实值化求根MUSIC算法。该算法计算量远远小于矢量传感器阵列的MUSIC算法和RootMUSIC算法。通过阵列信号的空间谱,选择合适的引导方位向量。对阵列协方差矩阵进行实值化重构与特征分解,构造蕴含信号源方位信息的多项式,再将阵列的DOA估计转化为多项式的求根问题。仿真实验与相同阵列孔径的声压传感器阵列的对比实验表明,该算法在低信噪比、小快拍数情况下具有更好的估计性能。通过湖试试验验证了该算法具有较强的工程实用性。     

多变量滑动平均模型参数估计两段最小二乘法

提出了多变量滑动平均(MA)模型参数估计的两段最小二乘法。第一段将多变量MA模型用高阶多变量自回归(AR)模型近似代替,用多变量递推最小二乘法(MRLS)估计高阶AR模型参数。第二段用最小二乘法解不相容矩阵代数方程组得MA参数估值。同多变量递推增广最小二乘法相比,可提高精度,仿真例子说明了其有效性。     

线性时变系统参数辨识的小波基函数展开

运用信号的基函数展开方法,以时变参数的AR模型为研究对象,采用具有时频局部特性的小波分解和重构滤波器作为基函数,获得对模型时变参数的辨识算法。利用周期延拓对信号边缘进行处理。忽略部分高频小波系数以克服小波重构层数对线性方程组求解的制约问题,获得模型阶数与最小重构层数的关系。研究发现,方法对时变参数的变化趋势及频率特征辨识有效,提高采样率可以改善被忽略的高频成分的影响,有助于辨识快变及瞬变参数的高频特征。     

机翼变形估计中传感器的配置方法

针对机翼变形中的传感器最优配置问题,建立悬臂梁模型,基于Ko位移理论的形变位移算法估计机翼变形,通过求解双目标0-1规划模型实现了传感器最优配置.计算结果验证了方法的正确性.     

异质双9轴MEMS惯性传感器数据互补-加权迭代融合算法

在MEMS惯性传感器导航研究中,传统的MEMS捷联式惯性导航系统仅利用单多轴MEMS惯性传感器对移动目标进行导航定位,其测量值和噪声特性易受环境影响,此外加速度误差、陀螺仪漂移、平台框架角误差、平台安装误差等因素也严重影响传感器性能. 为此,从异质非单多轴MEMS惯性传感器互补融合角度出发,用异质双9轴MEMS惯性传感器采集移动目标原始信息,并提出互补-加权迭代融合算法. 首先对异质双9轴MEMS惯性传感器测得的原始数据进行预处理,基于卡尔曼滤波用最小方差估计法求解观测值. 通过估值方差和革新方程形成权值更新模型,实现异质双9轴MEMS惯性传感器数据的互补融合. 实验表明,相较传统单9轴MEMS惯性传感器导航,该算法可提高导航精度50%以上.     

应用联邦自适应UKF的卫星多传感器数据融合

在卫星自主导航系统中,一方面,系统状态模型存在难以准确建模的问题,要求信息融合算法具有一定的自适应性;另一方面,系统的量测模型通常具有较强的非线性,又要求信息融合算法在强非线性下保持较高的精度和鲁棒性. 针对以上两个问题,本文提出了基于星敏感器、红外地平仪、磁强计、雷达高度计、紫外敏感器的多信息联邦自适应UKF组合导航方案,该方案将多个导航传感器提供的信息在联邦滤波器里融合,并采用自适应UKF算法构建联邦滤波器的子滤波器. 采用这种方案,可有效组织并充分利用导航传感器提供的导航信息,并且系统模型具有一定的自适应性. 数字仿真结果表明,与传统的联邦卡尔曼滤波方法相比,该方法更适合于非线性较强、系统模型参数不准确的场合,有效提高了导航精度.     

多传感器融合四旋翼协同控制算法及其实现

针对四旋翼无人机定点悬停控制,从应用层面提出了多传感器数据融合方案,设计了相应的协同控制算法.在飞行器整体硬件架构基础上分析量测系统的各个传感器,对于姿态测量通道提出卡尔曼滤波算法,对于高度测量通道提出互补滤波算法,对于水平位置测量通道提出双传感器融合算法.基于四旋翼无人机的状态空间及其小扰动线性化模型,设计了与之相结合的协同控制算法并进行仿真.最后在物理平台上对设计的算法进行验证,表明多传感器融合与协同控制相结合的方法能有效提高四旋翼无人机的定点悬停精度.     

极大似然估计不变性的拓展

桌一参数估计是否是"最优"估计,通常要从一致性、无偏性、有效性、不变性等方面进行讨论,进而通过实际的观察对其进行数据拟合,分析其相对于实际模型的偏差程度.针对参数估计评选标准中的不变性进行了进一步的探讨.根据参数极大似然估计不变性原则,给出在一定条件下极大似然估计具有不变性的充分必要条件,并利用该结论计算了二元正态分布Z=(X,Y)的未知参数σ2和p的极大似然估计值.     

基于OFDM技术的数字AM广播系统时间同步算法研究

针对基于OFDM调制技术的数字AM广播系统,研究适合中短波信道(<30 MHz)的时间同步算法.首先建立一个可以同时估计符号偏差和时钟相位偏差的两级时间同步模型.对符号偏差估计,给出一种改进的最大似然算法;对时钟相位偏差估计,给出一种利用梳状导频的估计算法.仿真和实际测试表明,这种两级同步方案能够满足OFDM系统对时间同步精度要求.     

几类最小一乘估计模型的求解

本文探讨了应用最小一乘准则的多种线性和非线性回归模型,推导了各种模型中未知参数的最小一乘估计形式.并给出最小一乘准则求解的基本过程,实现了未知参数最小一乘估计求解的统一.     

浮点数编码的遗传算法在系统辨识中的应用

采用基于浮点数编码（十进制编码）的遗传算法,融合和改进了一些遗传操作,提出了一种系统辨识的方法并应用到在噪声背景下ARMA模型系统的辨识。仿真表明,该方法能有效地克服有色噪音的干扰,从而获得系统参数的无偏估计,在开口箱扬声器系统的低频参数测量中的应用也表明了该方法的有效性。     

六余度配置MEMS-IMU误差标定

研究捷联惯性传感器多余度配置系统的标定. 分析了多余度惯性传感器各参数的测量原理及算法关系,针对典型的非正交配置（六传感器正十二面体）的多余度惯性测量单元(IMU),导出六位置转动标定方法,给出了计算误差模型参数的数学推导过程,建立了余度MEMS-IMU误差模型的解析表达式. 实验结果表明：该方法精度高,可有效估计出六余度MEMS-IMU的误差模型参数,提高惯导系统精度.