基于遗传神经网络的指数跟踪优化方法

针对使用完全复制法进行指数跟踪的缺点和仅以跟踪误差作为指数跟踪目标的不足,以跟踪误差最小化和超额收益最大化两者的权衡作为指数跟踪的目标函数,综合考虑实际中的交易成本、现金、卖空限制等约束,建立指数跟踪优化模型,并采用二进制和实数值混合编码的遗传BP网络对指数跟踪管理中的资金进行优化配置.该算法能同时优化网络结构和权值矢量,并结合遗传算子和Solis Wets算子生成后代使遗传搜索空间的群体多样性更好,加快了遗传算法的收敛速度,提高了连接权系数的优化精度.跟踪深证100指数的实证结果表明:应用遗传神经网络算法进行指数跟踪的效果明显优于完全复制法,并且实现了目标指数的动态跟踪.     

基于PSO优化LS-SVM的小样本非线性协整检验与建模研究

针对小样本非线性时间序列，根据非线性协整的定义，利用基于粒子群优化最小二乘支持向量机的方法，对小样本非线性协整关系检验与非线性误差修正模型建模进行研究，设计了方法的 逻辑流程. 对舰船维修费指数与物价指数进行实证研究，在协整关系类型判断的基础上，实现了小样本非线性协整关系的检验，建立了预测舰船维修费指数的非线性误差修正模型，并与线 性向量自回归模型进行分析比较. 研究表明：基于粒子群优化最小二乘支持向量机的小样本非线性协整检验与建模方法，刻画了小样本系统的非线性协整关系，所建立的非线性误差修正模 型具有较好的预测效果，能够有效地预测小样本非线性系统.     

中国ETF基金的价格发现问题

以中国ETF基金市场的五只ETF基金产品为研究对象,对中国ETF基金的价格发现问题进行了实证研究.基于Johansen协整检验方法及VEC模型,研究表明ETF基金二级市场价格、基金净值、跟踪指数之间存在协整关系.当以ETF基金对数价格变化作为被解释变量时,五只ETF基金VEC模型误差修正项的系数估值存在差异.当ETF基金价格的短期波动偏离长期均衡时,从非均衡状态回归到均衡状态的调整速度存在差别.基于信息份额I-S模型和永久短暂P-T模型,发现五只ETF基金的二级市场价格、基金净值、跟踪指数在价格发现过程中的信息份额贡献比例并没有表现出一致性,ETF基金净值在价格发现过程中信息份额贡献相对较大,ETF基金净值在中国ETF基金价格发现过程中具有较强的主导作用.中国ETF基金全部为指数基金,紧密跟踪指数是五只ETF基金的最基本投资策略,实证研究发现除上证红利ETF基金SH510880、中小板ETF基金SZ159902外,其余三只ETF基金并未表现出跟踪指数为先行指标的特征,其跟踪指数在价格发现过程中信息份额贡献并非最大,因此中国ETF基金市场的价格发现过程存在着信息效率(信息有效性)不足的问题.     

多传感器优化部署下的机动目标协同跟踪算法

针对资源有限的传感器网络中目标动态跟踪问题,提出了一种能够自适应选择跟踪传感器的机动目标协同跟踪算法。首先,采用粒子群优化算法优化传感器网络能耗与有效覆盖率,进行传感器位置部署;然后,以最大化候选传感器的Rényi信息增量与最小化传感器间信息传递能耗为适应度函数,采用二进制粒子群优化算法自适应选择最佳跟踪传感器组;最后,利用交互多模型粒子滤波对机动目标位置进行估计并进行分布式融合。仿真结果表明,与现有方法相比,该方法可在非高斯非线性环境下自适应选择最优跟踪传感器,显著提高目标跟踪精度,降低网络能耗。     

道琼斯工业指数与纳斯达克指数的非线性协整分析

首先对道琼斯工业指数进行分整分析,长记忆的道指被分数维差分得到平稳时间序列;进而对纳指也进行分数维差分.由于两指数的分整阶数不同,故不存在线性协整关系,所以,文章着重讨论两指数的非线性协整关系.     

基于信息融合的机动多目标单站无源跟踪关键技术研究

跟踪起始与数据关联是机动多目标单站无源跟踪的关键技术。提出了一种基于目标多特征信息融合的自适应跟踪起始算法，通过构造多维动态可变的跟踪门，进行自适应跟踪起始检测，然后根据序列概率比检验准则进行轨迹确认。同时提出了一种基于多目标多特征信息融合的数据关联算法，首先通过定义多个特征数据关联度，将单个有效观测的多特征信息进行融合，再对多目标进行综合数据关联。计算机仿真表明，该跟踪起始算法能够快速有效地进行航迹起始，数据关联算法的性能要优于传统的最近邻（NN）方法。     

用于目标跟踪的多传感器优化分配方法

在多传感器对多目标的监视环境下 ,传感器对目标的优化分配是传感器管理的重要研究内容。本文采用目标跟踪过程中信息增益最大的优化准则 ,探讨了多传感器对多目标的优化分配问题 ,并对优化分配算法进行了实验仿真验证     

基于顶层滚动优化和底层跟踪的空战导引方法

现代空战环境趋于复杂化，而传统方法对于机动目标难以获得理想的导引效果。因此，针对现代无人机空战导引问题，提出了一种基于顶层滚动优化和底层跟踪的空战导引方法。其中，基于高斯伪谱法的顶层优化以时间为性能指标，快速将无人机导引到目标区域，当目标机动时，对其轨迹进行预测并重新优化导引轨迹。此外，引入对导引视线角的底层跟踪方法，从而完成目标偏航后的快速修正。最后，针对某型作战无人机进行空战环境下的滚动优化导引以及视线角跟踪仿真，验证了所提方法对不确定性机动目标的拦截能力。     

杂波环境下IRST系统的单站机动目标跟踪算法研究

在IRST(红外搜索与跟踪)系统的角测量信息基础上,增加了红外探测器对目标红外辐射的响应信息这一测量项,并以相邻两次测量的目标红外光谱辐射功率之比作为伪测量,构造了杂波环境下机动目标跟踪的IMM-PDAF跟踪算法。目标红外辐射响应信息的引入,使IRST系统由一个弱观察系统变为一个可观察系统;伪测量目标红外光谱辐射功率之比的构造,消除了目标红外光谱辐射强度不确定所产生的不良影响。通过跟踪一个高机动目标的仿真过程,对算法性能进行了检验,仿真结果表明:本算法对杂波环境下的机动目标能进行有效的跟踪,而且跟踪的精度也令人满意。     

基于模型的有限预测逆跟踪控制

针对水下无人潜航器(unmanned underwater vehicle,UUV)非最小相位的特性,提出利用有限预测逆方法实现其精确的跟踪控制.利用系统逆方法计算当前时刻t_c的有界的逆输入,需要已知所有未来时刻的理想输出信息.为了有效利用未来时刻的理想输出数据,并提高计算效率,提出将时间窗内理想输出的预测信息用于逆算法中,来求取控制输入值,从而实现对UUV的路径跟踪控制.有限预测逆方法是利用从当前时刻到未来T_p时刻内的理想路径来获得逆输入,可以实现在线控制.通过给定的精确逆输入与利用有限预测逆方法所求得的输入之间的误差,对参数T_p和m进行优化.通过实验验证了该方法的有效性,并对比说明了跟踪误差与优化参数T_p之间的呈指数递减的关系.     

基于信息增量的多被动传感器资源分配算法

针对多被动传感器多目标跟踪中的传感器资源分配问题进行研究。讨论了多被动传感器跟踪误差的克拉美-罗下限,在此基础上分析了多被动传感器系统跟踪误差的几何分布。为解决多目标跟踪中的传感器资源分配问题,通过先验信息熵与后验信息熵之间的差值获得信息增量;在此基础上针对多被动传感器系统的特点构建最优化分配模型,将被动传感器组合在不同时刻动态地分配给不同目标。仿真实验表明,与不考虑资源分配的固定跟踪模式相比,该方法能够高效合理地利用有限资源,并且使多被动传感器多目标跟踪系统的整体跟踪性能得到提高。     

基于矢量频率锁定环的高动态GPS信号跟踪

研究了高动态环境下矢量跟踪算法在GPS接收机中的应用,提出了一种适合高动态环境的矢量频率跟踪算法。当接收机存在高动态时,与由其引起的多普勒频率的变化率相比,由卫星运动引起的多普勒频率的变化率非常小,多普勒频率的变化主要由接收机的动态引起。对各个通道来说接收机的速度与加速度等状态信息是共同的,因此利用矢量跟踪的方法从各个通道的量测数据中直接估计接收机的速度、加速度等状态,可以有比通常的标量跟踪更低的跟踪门限,而在相同的载噪比下,可以有比通常的标量跟踪更好的估计精度。给出了一种适合高动态环境的矢量频率锁定环(VFLL)的结构,详细分析了导航滤波器的系统转移方程与量测方程,讨论了导航滤波器的实现。利用非线性估计的方法代替鉴频器提取频率误差,提高矢量跟踪的性能。由于矢量跟踪的性能是与想定相关的,在典型的高动态情景下,根据具体的想定,利用仿真的方法分析了矢量频率锁定环的跟踪性能。仿真结果表明矢量跟踪在高动态环境下可以有比标量跟踪更好的优势,能很好地跟踪GPS接收机的高动态信号。     

地面站频率不稳定对航天器跟踪性能影响的分析

针对地面站的频率标准对航天器跟踪性能影响的问题,采用双向跟踪模式建立了多普勒测速跟踪系统模型。研究了频率标准的确定性和随机性起伏对无线电多普勒测量的影响。分析表明,时间统一系统的不准确和不稳定导致的频率标准不理想,是无线电跟踪测量的主要误差源,进一步推导了Allan方差、取样时间以及电波往返传输时间与地面站系统多普勒测速精度的关系。通过铷、铯、氢原子频率标准的仿真实验,验证了分析方法的有效性。     

多径干扰下扩频导航信号伪码跟踪性能仿真研究

分析了多径环境下扩频导航接收机伪码信号跟踪性能.主要分析了时延绝对值小于一个码片的多径信号对导航信号伪码相位跟踪误差的影响,给出了接收机伪码跟踪环的结构框图,并建立了环路的数学模型,在考虑多径信号的基础上分析了混合信号相位跟踪的数学模型,分析了混合信号下伪码跟踪环相位跟踪的性能.在数学模型分析的基础上对存在单路多径信号时伪码相位跟踪性能进行了计算机仿真,并运用Matlab中的Simulink进行了具体的实现.     

Adaptive multi-feature tracking in particle swarm optimization based particle filter framework

This paper proposes a particle swarm optimization(PSO) based particle filter(PF) tracking framework,the embedded PSO makes particles move toward the high likelihood area to find the optimal position in the state transition stage,and simultaneously incorporates the newest observations into the proposal distribution in the update stage.In the proposed approach,likelihood measure functions involving multiple features are presented to enhance the performance of model fitting.Furthermore,the multi-feature weights are self-adaptively adjusted by a PSO algorithm throughout the tracking process.There are three main contributions.Firstly,the PSO algorithm is fused into the PF framework,which can efficiently alleviate the particles degeneracy phenomenon.Secondly,an effective convergence criterion for the PSO algorithm is explored,which can avoid particles getting stuck in local minima and maintain a greater particle diversity.Finally,a multi-feature weight self-adjusting strategy is proposed,which can significantly improve the tracking robustness and accuracy.Experiments performed on several challenging public video sequences demonstrate that the proposed tracking approach achieves a considerable performance.     

基于多线索的车辆跟踪方法研究

针对车载摄像机的汽车辅助驾驶系统,提出了一种基于多线索的车辆跟踪算法。利用运动估计预测目标在下一帧的感兴趣区域,即跟踪窗。在跟踪窗内联合使用车辆的先验知识、评估环节、分块模板等线索定位车辆目标。在跟踪过程中,提出去除误识别的措施。这种基于多线索的车辆跟踪方法实现了对后方多车辆的稳定跟踪,也适合前视车辆。实验结果表明该算法是鲁棒和准确的。     

基于时间加权SVM的指数优化复制模型与实证分析

本文研究了指数型基金管理中最核心的指数追踪问题.依据结构风险最小化思想,首先构造了以追踪误差为基础的损失函数,接着考虑了时间因素对历史追踪误差的影响,采用指数加权的方法将时间因素纳入追踪误差的分析中,利用SVM理论给出了指数复制问题的结构风险的形式,在此基础上构建了各种市场实际约束下最小化结构风险的时间加权SVM的指数优化复制模型,最后利用OR-Library中的5个市场指数历史数据进行了实证检验.结果表明本文提出的时间加权SVM模型能够显著提高样本外的追踪效果.同时使得追踪组合的鲁棒性有明显的改善,从而表明本文提出的时间加权SVM指数复制模型具有较高的理论和应用价值.     

TF/TA~2 trajectory tracking using nonlinear predictive control approach

1 .INTRODUCTIONThei mportance of terrain-following,terrain-avoid-ance ,andthreat-avoidance (TF/TA2) guidance forcruise missiles and aircraft is a well-recognized as-pect of military operations . Typically , the TF/TA2guidance system development consists of twomajor steps : (1) opti mal trajectory generationwithin maneuvering constraints considering ter-rain,obstacles and threats toincrease both surviv-ability and mission effectiveness ; (2) control lawdevelopment to followthe opti mal t…     

基于鲁棒模型预测的智能汽车轨迹跟踪控制研究

针对传统的基于跟踪误差模型轨迹跟踪控制器在复杂行驶环境下控制精度不高,鲁棒性差等问题,设计一种鲁棒模型预测轨迹跟踪控制策略。采用车辆凸多胞体动力学模型显式描述车辆动态特性,结合轨迹跟踪多目标约束设计鲁棒性目标函数,通过线性矩阵不等式优化方式求解状态反馈控制律;引入前馈控制消除稳态误差,提高跟踪精度。结果表明:在不同行驶工况下,该控制器在保证车辆跟踪精度基础上可有效提高行驶稳定性,具有较强的鲁棒性。