基于混沌同步和滤波的雷达波形设计

可匹配滤波混沌雷达系统可由低成本的模拟器件实现匹配滤波,受到广泛关注。但是该系统发射信号的带限性能不理想,信号在变换和传播过程中容易发生频谱泄露和畸变。针对该问题,提出一种基于混沌同步和滤波的波形设计方法。该方法在雷达发射端,将混沌信号频谱整形为带限信号;在接收端,利用同步和滤波恢复出混沌信号。与传统在数字域上进行信号设计的方法相比,本文方法是在模拟域上实现的,具有低成本优势。此外,在信噪比低至-20 dB时本文方法仍然有效,与直接匹配滤波相比,本文方法变换后的混沌信号匹配滤波后,最大旁瓣抬升很小。     

混沌、噪声背景中信号的滤波检测方法

本文对混沌时间序列的线性滤波特性进行了深入研究,将经典的匹配滤波技术与混沌时间序列的局部预测方法相结合,提出了混沌、噪声背景中信号检测的新方法。最后,用典型的混沌系统的具体分析验证了本文方法的正确性和有效性。     

基于稀疏Volterra滤波器混沌时间序列自适应预测

针对混沌时间序列预测问题,提出了一种稀疏Volterra滤波器,该滤波器采用归一化最小均方自适应算法进行多次训练,每次训练只保留滤波系数矢量和输入信号矢量的有效分量进行下一次训练,从而将Volter-ra滤波器的有效滤波系数个数减至最少,降低了预测模型的复杂性。四种混沌时间序列的预测实验表明:该滤波器可同时实现对混沌流和混沌映射的建模与预测,可有效地减少滤波器的滤波系数个数,能在不损失预测精度的前提下,降低预测模型复杂性。     

混沌系统的逆跟踪控制

提出了一种混沌系统的逆跟踪控制方法。首先,采用非线性逆系统控制理论证明了二类连续混沌系统（Duffing系统和Lorenz 系统）的可逆性。通过状态反馈构造混沌系统的逆系统,将逆系统与原混沌系统串联,组成复合伪线性系统。在此基础上,利用线性系统综合方法设计闭环控制器,对复合伪线性系统进行控制,从而实现混沌系统对给定参考值的渐近跟踪。提出的混沌控制方法物理意义明确,系统结构简单,易于实现。仿真结果验证了该方法的有效性。     

混沌预测在OGY方法中的应用

提出一种基于混沌预测的OGY方法.根据混沌系统的短期可预测性,利用相空间重构得到系统状态变量的预测值,从而产生控制量,使得混沌系统的状态可以很快的进入其不稳定不动点的附近(而通常的OGY方法则是利用混沌系统的自遍历特性来实现这一过程),然后利用OGY方法控制混沌.仿真结果表明,本文的方法可以有效加快OGY方法对混沌的控制.     

一类不确定混沌系统的鲁棒同步控制

针对一类不确定混沌系统,为提高混沌同步的鲁棒性,提出了一种新型的鲁棒同步控制方法,实现一类参数随时间小范围变化的混沌系统的同步。基于李亚普诺夫稳定性理论,设计了一种新型的鲁棒控制器。本控制器可以成功地应用到一些典型的混沌系统中,例如Rssler和Chen系统。仿真结果验证了所提出的控制器的有效性。     

基于单信号实现多组混沌系统同步的仿真研究

为了提高保密性和实用性,混沌系统同步方法所追求的目标是:利用主动系统较少的信号实现两个或者多个混沌系统的同步.提出了利用一条传输线进行多个信号的传输的方法,并将其应用实现混沌系统的同步.其信号传输方法基本思想是:多个信号在传输的过程中交替使用采样和保持这两种方式,多个信号在一条传输线中进行传送.探讨了利用所提出的多信号传输方法用于解决多组混沌系统的同步问题.仿真结果验证了该方法的有效性和可行性.     

基于非线性跟踪的混沌反控制

针对连续仿射非线性系统，提出一种基于非线性跟踪的混沌反控制统一方法。设计了非线性跟踪控制规律，使非线性非混沌系统跟踪混沌输入信号，从而使非混沌系统产生与混沌输入信号拓扑共轭的混沌现象。仿真结果表明，该方法能够在线性可控和相对阶大于3的仿射非线性系统中产生混沌现象。     

基于Volterra滤波器的混沌背景弱信号检测

针对混沌背景弱信号检测问题,提出了一种基于Volterra滤波器的混沌背景弱信号检测算法.在Volterra滤波系数计算过程中,采用了解线性方程组算法代替原有的自适应算法,提高了混沌预测精度以及混沌背景中弱信号检测性能.仿真结果表明,本文所提出的算法在信混比达到-70dB时,仍能检测混沌背景中微弱信号.     

激光复混沌系统构建及其点乘函数投影同步

提出了一种新的激光复混沌系统及其点乘函数投影同步方法。首先,以四维激光实超混沌系统模型为基础,构建了一个新的激光复混沌系统,基于常规动力学分析方法和MATLAB仿真软件研究了系统的耗散性、平衡点、Lyapunov指数谱、相图、分叉图等基本动力学特性。研究结果表明,该系统动力学行为丰富,在一定参数下具有蝴蝶结型混沌、超混沌吸引子,非常适用于混沌加密领域。进一步,以向量点积运算为基础,定义了一种新的点乘函数投影同步方式,基于滑模控制方法实现了蝴蝶结型激光复混沌系统的点乘函数投影同步。数值仿真验证了理论分析的正确性和有效性。     

Exponential passive filtering for a class of nonlinear jump systems

The exponential passive filtering problem for a class of nonlinear Markov jump systems with uncertainties and time-delays is studied. The uncertain parameters are assumed unknown but norm bounded, and the nonlinearities satisfy the quadratic condition. Based on the passive filtering theory, the sufficient condition for the existence of the mode-dependent passive filter is given by analyzing the reconstructed observer system. By using the appropriate Lyapunov-Krasovskii function and applying linear matrix inequalities, the design scheme of the passive filter is derived and described as an optimization one. The presented exponential passive filter makes the error dynamic systems exponentially stochastically stable for all the admissible uncertainties, time-delays and nonlinearities, has the better abilities of state tracking and satisfies the given passive norm index. Simulation results demonstrate the validity of the proposed approach.     

一种基于神经网络的非线性自适应滤波器

提出了基于Ａｄａｌｉｎｅ－ＭＬＰ递归神经网络的非线性自适应滤波器。这种新的滤波器运用了自适应ＩＲ滤波器理论，具有神经网络分布式并行信息处理，较好的容错特性和鲁棒效应等优点，且比传统的滤波器有更好的收敛特性，并可方便地实现非线性滤波。此外，还给出了Ａｄａｌｉｎｅ－ＭＬＰ递归网络在线滤波算法及其在非线性自适应噪声抵消器中的应用。最后进行了计算机仿真。     

Passive target tracking using marginalized particle filter

A marginalized particle filtering(MPF)approach is proposed for target tracking under the background of passive measurement.Essentially,the MPF is a combination of particle filtering technique and Kalman filter.By making full use of marginalization,the distributions of the tractable linear part of the total state variables are updated analytically using Kalman filter,and only the lower-dimensional nonlinear state variable needs to be dealt with using particle filter.Simulation studies are performed on an illustrative example,and the results show that the MPF method leads to a significant reduction of the tracking errors when compared with the direct particle implementation.Real data test results also validate the effectiveness of the presented method.     

基于修正的自适应平方根容积卡尔曼滤波算法

目标建模不确定性会造成滤波算法性能下降, 通过构建强跟踪滤波器(strong tracking filter, STF)可以提升滤波算法的自适应性, 但是构建STF时存在理论推导复杂、求解计算量大等局限和不足, 针对上述问题, 在平方根容积卡尔曼滤波(square-root cubature Kalman filter, SRCKF)的基础上, 提出一种基于修正的自适应SRCKF算法。该算法通过设置判定门限和修正准则, 直接对状态预测值或滤波增益进行修正以平衡先验的预测值和后验反馈的量测值在滤波中所占的比重, 进而减小状态估计误差。仿真结果表明, 所提算法具有在目标状态突变和量测非线性时的良好滤波性能和数值稳定性, 同时相比较需要计算渐消因子的STF算法, 该算法在计算量和收敛速度上具有优势。     

一种改进的多传感器粒子PHD滤波近似算法

概率假设密度（probability hypothesis density, PHD）滤波是一种有效的多目标跟踪算法。传统的PHD滤波只适用于单传感器,多传感器PHD滤波虽然理论上可行,但计算复杂度过高,实际中只能对其进行近似处理。迭代更新近似算法虽然简单易行,但滤波结果与参与更新的传感器顺序有很大关系,而乘积形式的多传感器PHD滤波近似算法由于存在缩放比例失衡问题,无法应用于工程实际。针对以上问题,提出了一种改进算法,先采用乘积形式计算联合似然,再采用求和形式计算缩放比例。仿真结果表明,该算法能够有效解决缩放比例失衡问题,在滤波性能和目标数估计方面均优于传统的迭代更新近似算法,具有良好的工程应用前景。     

Robust dissipative filtering for continuous-time polytopic uncertain neutral systems

This article is concerned with the problem of robust dissipative filtering for continuous-time polytopic uncertain neutral systems. The main purpose is to obtain a stable and proper linear filter such that the filtering error system is strictly dissipative. A new criterion for the dissipativity of neutral systems is first provided in terms of linear matrix inequalities (LMI). Then, an LMI sufficient condition for the existence of a robust filter is established and a design procedure is proposed for this type of systems. Two numerical examples are given. One illustrates the less conservativeness of the proposed criterion; the other demonstrates the validity of the filtering design procedure.     

基于Unscented卡尔曼滤波的超视距目标跟踪

针对大地坐标系下,超视距目标状态方程和量测方程复杂的非线性,提出了一种基于Unscented卡尔曼滤波的超视距目标跟踪。Unscented卡尔曼滤波通过设计少量的σ点,并计算这些σ点经由非线性函数的传播,从而获得滤波值基于非线性系统方程的更新。由于Unscented卡尔曼滤波无需像Extended卡尔曼滤波那样求状态方程和量测方程的雅可比矩阵,给计算带来了极大的方便。数值仿真结果表明,所给出的方法是可行而有效的。     

基于贝叶斯估计噪声相关下的CKF设计

针对常规容积卡尔曼滤波(cubature Kalman filter, CKF)要求系统噪声和量测噪声必须互不相关的局限性,提出了一种带相关噪声的非线性离散系统CKF设计方法。基于贝叶斯估计准则,给出了系统噪声和量测噪声相关时CKF滤波递推公式,并采用三阶球面-相径容积规则来近似计算系统状态的后验均值和协方差。当系统噪声和量测噪声相关时,常规CKF不适用,本文设计的噪声相关下的CKF可以有效地对状态进行估计,拓展了CKF的应用范围。数值仿真验证了算法的有效性。     

通信受限不确定Delta算子网络系统H∞滤波

研究了一类基于Delta算子的通信受限条件下参数不确定网络系统H∞滤波问题。在通信受限条件下,采用通信序列对网络控制系统进行分析,构建Delta算子描述的不确定系统滤波误差模型。利用线性矩阵不等式和Lyapunov-Krasovskii泛函提出滤波误差系统渐近稳定的充分条件,证明了系统的H∞性能,并给出滤波器的设计方法。数值仿真结果验证了所提方法的有效性。