基于机动判别的变结构交互多模型跟踪算法

临近空间高超声速机动目标具有高速、高机动的运动特性,协同转弯模型是跟踪临近空间目标的常用模型之一。基于协同转弯模型的自适应网格交互多模型(adaptive grid interaction multiple model, AGIMM)算法能够较好地适应临近空间高超声速目标运动特性,但AGIMM算法存在着依赖中心网格模型,非机动时刻模型集收敛缓慢的问题,基于此提出了一种基于机动判别的变结构交互多模型算法。所提算法根据目标机动特性调整跟踪模型集的结构及模型概率转移矩阵,加快了非机动时刻模型集的收敛速度,克服了AGIMM算法存在的问题。通过蒙特卡罗仿真验证,改进的算法相对于AGIMM算法提高了对临近空间高超声速目标的跟踪性能。     

变遗忘因子相关函数自适应滤波算法

相关函数递推最小二乘(CRLS)算法在回波消除中双方对讲情况下是有效的,但其计算复杂度较高。把相关函数最小二乘准则中的遗忘因子视为时变的遗忘因子,应用最速下降法使当前时刻的方向矢量正交于前一时刻的方向矢量,从而获得时变的遗忘因子的表达式,得到一种新的相关函数自适应滤波算法。该算法的计算复杂度比相关函数递推最小二乘算法的要低。计算机数值仿真结果表明,新算法的收敛性能和相关函数递推最小二乘算法的收敛性能相当。     

变结构交互式多模型滤波和平滑算法

针对机动目标跟踪问题,提出了一种变结构交互式多模型滤波和平滑算法。首先,对多模型滤波和平滑问题进行了简单描述,并给出了前向交互式多模型滤波和后向交互式多模型平滑的数学模型;然后,建立了变结构交互式多模型算法的精确模型,模型子集之间并行独立运行,通过选取概率最高的模型子集的状态估计作为最终的估计结果;最后,对变结构交互式多模型算法的滤波数据进行平滑处理,得到了变结构交互式多模型滤波和平滑算法。所提算法将前向滤波和后向平滑相结合,提高了目标跟踪精度。仿真结果表明,变结构交互式多模型滤波和平滑算法的跟踪效果优于其他方法。     

组合导航自适应交互多模型算法研究

针对交互多模型(IMM)方法模型集覆盖能力与计算量相矛盾的问题,提出了将简化的Sage-Husa自适应滤波与IMM相结合,构成一种自适应交互多模型的方法.简化的Sage-Husa自适应滤波首先给出噪声统计特性的粗略值,IMM方法以该粗略值为中心,对称地得到模型集,再进行IMM估计.车栽组合导航仿真表明,该算法能够以较少的模型实现对实际模态的覆盖,而且精度比IMM方法也进一步提高.     

尺度自适应的多模型压缩跟踪算法

为了对复杂环境中的目标进行长时间的精确跟踪,在压缩跟踪算法的基础上提出一种尺度自适应的多模型压缩跟踪算法。该算法首先利用离线学习获得目标的尺度约束集,建立目标的多尺度模型,实现尺度的自适应选择;其次,利用随机投影矩阵对多尺度图像特征进行降维,减少算法计算量;最后,利用多模型分类器在线学习训练朴素贝叶斯分类器实现目标跟踪。实验结果表明,本文算法在跟踪尺度变化的目标和外观变化的目标时,跟踪性能有了较大改善,虽然处理时间有一定程度的增加但仍满足实时性的要求。     

变结构自适应制导规律研究

由于变结构控制的滑动模态具有完全的自适应 ,不必全面研究系统的各种摄动及外干扰 ,而只需要根据高速度大机动目标的特点 :一个是机动 ,一个是高速 (包括速度变化 ) ,对两者实现自适应 ,把各种干扰及偏差的影响归入有关增益系数上加以考虑 ,在选择增益系数上进行了深入的研究。应用变结构自适应控制理论 ,推导出一种适用于导弹拦截高速度大机动运动目标的空间制导规律 ,该制导规律能将系统引向滑动面 ,并保持在滑动面上运动。因此将它应用于导弹跟踪标准优化弹道 ,经导弹拦截目标弹道数字仿真 ,取得了良好的结果。     

基于自适应变结构控制的机器人系统仿真研究

针对机器人系统的参数与非参数不确定性，提出一种新颖的控制策略。将自适应滑模变结构理论应用于机器人轨线跟踪控制，鲁棒增益自适应调整，Lyapunov直接法分析证明系统可实现全局渐近稳定。在保持渐近稳定性的前提下，引入平滑饱和函数，有效改善控制的暂态品质和震颤现象。仿真结果表明系统估计参数收敛，并有较高的鲁棒性和精确性。     

基于自适应CS模型的IMM算法

目标运动状态的改变将导致目标跟踪算法精度降低或发散。为了提高机动目标跟踪的跟踪性能,首先,针对当前统计(current statistical, CS)模型中最大加速度固定设置导致模型误差增大的问题,提出了一种自适应CS模型;在自适应CS模型和交互式多模型(interacting multiple model, IMM)的基础上,提出了一种交互式多自适应模型(interacting multiple adaptive model, IMAM),该模型通过采用两个自适应CS模型,能够有效消除目标状态突变造成模型误差急速增大的问题,提高了模型的准确度和适应性。其次,在IMAM的基础上,结合修正卡尔曼滤波(amendatory Kalman filter, AKF)的思想,提出了IMAM-AKF算法,该算法通过修正最终的状态融合估计值,有效地降低了目标机动造成的模型误差,进一步提高了机动目标跟踪的性能。最后,结合自适应渐消卡尔曼滤波(adaptive fading Kalman filter, AFKF)的思想,提出了IMAM-AFAKF算法。仿真结果表明,无论是强机动还是弱机动,IMAM-AFAKF算法都具有较好的跟踪性能。     

一种模糊自适应交互多模型算法

提出了一种模糊自适应交互多模型（FAIMM）算法。该算法通过模糊推理机制，在线调节模型集合中部分模型的参数，使这些模型对不同的目标机动模式有更强的自适应能力，从而使该算法可以采用较少的模型达到很好的跟踪滤波效果，而且避免了传统交互多模型算法的模型冲突问题，大大减少了计算量。最后将该算法与传统的交互多模型算法进行了仿真对比，仿真结果表明，FAIMM算法比传统的交互多模型算法有更好的跟踪性能。     

基于多模型方法的自适应卡尔曼滤波

针对一类观测噪声统计特性未知的离散时间系统设计一种多模型自适应卡尔曼滤波器。基于多个不同的固定观测噪声协方差阵建立多个固定模型卡尔曼滤波器,将多个固定模型卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器。针对每一个滤波器建立一个基于输出误差的指标切换函数,每一个采样时刻将指标切换函数取得最小值的滤波器的状态估计值切换为系统的当前状态估计值。仿真结果表明,与常规的自适应滤波器相比,此方法可以极大地改善滤波器的滤波效果。     

Information criterion based fast PCA adaptive algorithm

The novel information criterion (NIC) algorithm can find the principal subspace quickly, but it is not an actual principal component analysis (PCA) algorithm and hence it cannot find the orthonormal eigen-space which corresponds to the principal component of input vector. This defect limits its application in practice. By weighting the neural network's output of NIC, a modified novel information criterion (MNIC) algorithm is presented. MNIC extractes the principal components and corresponding eigenvectors in a parallel online learning program, and overcomes the NIC's defect. It is proved to have a single global optimum and nonquadratic convergence rate, which is superior to the conventional PCA online algorithms such as Oja and LMSER. The relationship among Oja, LMSER and MNIC is exhibited. Simulations show that MNIC could converge to the optimum fast. The validity of MNIC is proved.     

一种新的变步长LMS自适应算法

为了提高LMS自适应算法的性能,在对一类变步长LMS算法研究的基础上,提出了步长因子与误差信号之间的一种新的非线性函数关系,进一步改善了此类算法的性能。在相同收敛速度或者相同超量均方误差的前提下,该算法具有更小的超量均方误差或者更快的收敛速度。计算机仿真结果与理论分析相一致,证实了该算法性能优于原算法。     

基于自适应哈希链的分布式频繁模式挖掘算法

针对分布式系统,提出了自适应哈希链结构的频繁模式挖掘算法。该算法首先在每个站点产生局部频繁1-项集,再产生全局频繁1-项集,根据全局频繁1-项集产生各站点的投影数据库,在各个站点分别扫描投影数据库中的交易,并根据站点可用内存情况形成相应大小的哈希链结构。通过挖掘各站点的哈希链结构得到全局频繁项集。给出了基本步骤和挖掘算法。研究表明该算法不但效率高,而且适应性强。     

基于AIC准则的最近邻聚类模型的优化算法

聚类分析方法的困难在于聚类模型的类中心和类别数的确定。首先给出了最近邻聚类规则,并根据该规则建立了确定聚类模型的分类方法;其次针对不同的聚类模型提出了优化判别准则———AIC准则,为解决所聚类的紧凑性与类别数增加的矛盾给出了理论分析。通过实例仿真,验证了本方法的实用性和正确性。     

一种新的变步长LMS自适应谱线增强算法

针对自适应谱线增强器(ALE)理想误差不为零的现象,提出了一种新的变步长LMS算法。该算法建立了步长因子与权系数变化之间的非线性关系,使得步长因子随权系数变化的减小而减小,直至为零,并引入步长向量来实时地逐个调整权系数的每个值,以进一步加快算法的收敛速度。它具有初始阶段和未跟踪上信号前步长自动增大而稳态时步长变小最后为零的特点,并以线性调频信号为例,验证了算法对滤除非平稳信号噪声的有效性,提高信号的信噪比,证实该算法优于传统算法。     

基于协方差拟合准则的降维空时自适应处理方法

最优空时自适应处理方法由于计算量大且需要大量的训练样本来估计杂波协方差矩阵而无法满足实际应用,针对此问题,本文提出一种基于协方差拟合准则的降维空时自适应处理方法.该方法首先对每个阵元收到的回波信号进行时域滤波,然后通过协方差拟合准则构造了在高斯信源下与最大似然估计器渐近等价的优化问题,同时我们将协方差拟合优化问题转换为...     

变宽度凸组合变阶数LMS自适应滤波算法

为了进一步改善凸组合变阶数最小均方(convex combination variable fractional tap-length least mean square,CFTLMS)自适应滤波算法的稳态性能,在证明其稳态性能的基础上,提出了一种变宽度凸组合变阶数(variable width-CFTLMS, VW-CFTLMS)自适应滤波算法,并给出参数的选择依据。仿真结果验证了低信噪比情况下,VW-CFTLMS算法稳态性能和参数选择依据的正确性;同时该算法的稳态性能要优于CFTLMS算法,其额外均方误差相比于CFTLMS算法降低约1.8 dB,具有实用价值。     

A criterion based adaptive RSIC scheme in underwater communication

Multi-access interference (MAI) is the main source limiting the capacity and quality of the multiple-input multiple-output orthogonal frequency division multipl...     

考虑自动驾驶仪动态鲁棒自适应变结构制导律

对于平面拦截问题,基于Lyapunov稳定性理论,应用滑模趋近律概念,将目标的机动加速度视为一类有界扰动,以视线角速率作为零输出状态变量,甚至不需要知道目标机动的界,考虑导弹自动驾驶仪的延迟,综合设计了一种具有强鲁棒性的末端导引规律。理论分析与数字仿真表明,这种制导律不但具有平直的弹道特性,而且具有很强的鲁棒性和适应性,同时方法简单、易于理解,便于工程应用。     

一种受生物启发的变结构模型跟踪控制算法

变结构模型跟踪控制系统既具有由稳定性方法设计的一般模型跟踪控制的自适应性,又具有变结构滑模控制的优点。但在具体实现时,由于控制滞后等因素会引起震颤,从而影响系统的正常工作。设计了一种受生物启发的变结构模型跟踪控制算法,其设计简单,参数调整容易。仿真结果表明,该控制优于一般的变结构模型跟踪控制,不仅能有效抑制震颤,而且能改善系统跟踪性能,并能减小非自衡对象加载后的静差,全面改善了系统的动态、静态性能。