不确定离散时滞系统的鲁棒H∞滤波与仿真

研究了一类不确定离散时滞系统的鲁棒H∞滤波问题，其中不确定性存在于系统的状态矩阵和输入矩阵当中，且满足范数有界条件，对于所有容许的参数不确定性，构造一个线性滤波器，使得滤波误差系统渐近稳定且满足一定的H∞性能指标，给出了滤波器存在的充分条件，并通过矩阵变换得到了设计滤波器的LMI方法。 为了使得滤波器具有良好的稳态性能，本文考虑了LMI的优化问题。通过求解一组LMI，可以得到最优滤波器。最后，仿真结果很好地说明了本文方法的有效性。     

基于最大熵方法的鲁棒自适应滤波及其应用

针对过程噪声和量测噪声受到脉冲噪声影响而呈现非高斯分布,且噪声统计特性不精确从而导致估计精度下降的问题,提出一种基于最大熵方法的变分贝叶斯自适应卡尔曼滤波(maximum correntropy variational Bayes adaptive Kalman filter, MCVBAKF)算法,并将其应用于捷联惯导系统(strapdown inertial navigation system, SINS)/全球卫星定位系统(global positioning system, GPS)组合导航系统。首先,使用最大熵鲁棒滤波方法对由脉冲噪声产生的野值问题进行处理;然后,通过改进的变分贝叶斯自适应方法进行后验更新,估计噪声,收敛所估参数的估计值;最后,进行了仿真对比。结果表明, MCVBAKF在复杂环境下可以有效提升滤波精度和稳定性。     

基于凸多面体不确定网络化系统的鲁棒无源滤波

研究一类同时具有时变时延和测量数据丢失的不确定网络化系统的鲁棒无源滤波器设计问题。时变时延假设在一个已知的界内随机变化。测量数据的丢失是随机发生的,假设满足Bernoulli分布随机序列。采用线性矩阵不等式方法,给出了全阶和降阶的鲁棒无源滤波器存在的充分条件。所设计的滤波器使得滤波误差系统是均方指数稳定并满足给定的无源指标。最后数值仿真表明所提方法的有效性。     

Delta算子描述的离散系统鲁棒滤波

研究基于Delta算子描述的线性不确定离散时间系统在稳态估计误差方差约束下的鲁棒滤波问题。目的是设计线性滤波器 ,使得闭环系统稳定 ,且闭环系统的稳态估计误差的方差满足预先给定的约束条件。基于Riccati方程或Riccati不等式方法 ,给出Delta算子描述的系统鲁棒滤波器的存在条件和显式表达式     

不确定权值下的鲁棒波束形成算法

提出了一种不确定权值下的鲁棒波束形成算法(robust beamforming algorithm with uncertainweights,RBAWUW),与以往文献中对阵列导向矢量的不确定性进行约束的方法不同,该算法是通过对权值附加一个球形或椭球形不确定集约束推导出来的.在这种新的约束下,RBAWUW算法能获得比传统鲁棒Capon波束形成器(robust Capon beamformer,RCB)更高的输出信干噪比(singal-to-noise-plus-interference ratio,SINR),而且新算法与标准Capon波束形成算法的计算效率几乎相同.理论分析和仿真结果均表明,RBAWUW算法是切实可行的.     

基于扩展LMI的鲁棒H2和H∞滤波

研究凸多面体不确定连续系统的鲁棒H2和H∞滤波问题。借助于线性矩阵不等式(LMI)技术,提出了扩展的连续系统H2和H∞性能准则。基于该性能准则,推导出新的鲁棒H2和H∞滤波器存在的充分条件,并将滤波器设计问题转化为一个具有LMI约束的拟凸优化问题。仿真结果表明,与现有方法相比,所提方法具有较低的保守性。     

不确定离散时滞系统的鲁棒滤波与仿真

研究了一类不确定离散时滞系统的鲁棒滤波问题,其中不确定性存在于系统的状态矩阵和输入矩阵当中,且满足范数有界条件.对于所有容许的参数不确定性,构造一个线性滤波器,使得滤波误差系统渐近稳定且满足一定的性能指标.给出了滤波器存在的充分条件,并通过矩阵变换得到了设计滤波器的LMI方法.为了使得滤波器具有良好的稳态性能,本文考虑了LMI的优化问题.通过求解一组LMI,可以得到最优滤波器.最后,仿真结果很好地说明了本文方法的有效性.     

基于鲁棒滤波的组合导航系统动基座对准

基于采用旋转组件的SINS/GPS组合导航系统,讨论了系统中的旋转组件转速误差和GPS信号延迟带来的时间不同步问题,针对这些扰动造成的系统模型误差,提出将基于极小极大准则的H∞滤波用于组合导航系统的动基座对准。通过对载体在不同运动方式下的动基座对准仿真,对Kalman滤波和H∞滤波的性能进行比较,证明H∞滤波算法具有对准时间快,精度高,抗干扰能力强的特点。     

参数不确定系统鲁棒镇定控制器设计的鲁棒可靠性方法

用区间变量描述系统参数的不确定性,从可靠性角度研究不确定系统的稳定鲁棒性设计问题。基于二次稳定性准则,提出了参数不确定系统鲁棒镇定控制器设计的鲁棒可靠性新方法。依据该法设计的控制系统可满足稳定性意义上的鲁棒可靠性要求,并给出保证系统稳定性所要求的基本参数的最大鲁棒界限。所给公式完全基于线性矩阵不等式(LMI)方法,求解方便。适用于不确定参数的摄动范围准确已知和未知等情况。对实际算例的设计和模拟结果与现有结果的比较研究表明了在传统的控制器设计中,保守性的增加并不意味着可靠性的增加。从而也说明了所提方法是实用、有效和可行的。     

基于数值微分技术构造鲁棒估计模型的方法及其应用仿真

在研究宏观空间运动特性的基础上，利用数值微分作为表达工具描述未知运动过程的动态特性，构造了数值微分型滤波模型（NDFM）和数值微分型滤波－预报联合模型（NDFPM）。这种方法能根据各种应用要求对动态特性完全未知的运动过程建立结构简单、鲁棒性强的估计模型，而且容易选择估计算法获得满意的性能。本文对未知扰动作用下的被控过程建立NDFM并实现状态重构和扰动补偿；对动态未知的被跟踪目标建立NDFPM并估计出运动参数的当前值和一步预报值。仿真结果表明这两种模型具有较强的鲁棒性和满意的估计精度。     

基于Kalman滤波算法的Volterra级数核估计及其应用

为了进一步提高Volterra级数模型在混沌时间序列预测中的精度以及核估计的收敛速度,提出利用自适应Kalman滤波算法对Volterra级数核进行估计的一种新方法。同时,在混沌动力系统相空间重构的基础上,采用关联维数法和最大Lyapunov指数法,对船舶运动时间序列进行混沌特性判定,并对船舶横摇运动时间序列进行多步预测。仿真表明,与归一化最小均方(normalization least mean square, NLMS)算法和最小二乘(recursive least-square, RLS)算法的Volterra级数模型相比,基于自适应Kalman滤波算法的Volterra模型在收敛速度与预报精度方面均优于NLMS算法和RLS算法,为实时在线预报提供了理论依据。     

一种改进的星敏感器/陀螺卫星定姿算法

针对传统的四元数估计(quaternion estimation,QUEST)算法在观测矢量之间夹角很小或噪声剧烈增大时,定姿性能显著降低的问题,提出一种基于当前星敏感器观测信息量的滤波算法。该算法通过引入动态增益系数,解决了历史观测信息和当前观测信息之间的比例问题。该系数能够根据当前观测矢量信息量的大小变化自适应调整,从而避免了需要另外一个滤波过程对其进行确定的复杂性。对该算法进行了仿真,对比结果表明,该算法可以有效提高系统的定姿性能。     

三段判别域与最小二乘拟合的抗差滤波算法

组合导航系统卫星信号在传播过程中容易受到干扰导致卫星导航观测值出现故障。对于此问题, 提出一种基于最小二乘拟合原理的抗差滤波算法, 根据检测量的分布状态将故障分为三段判别域, 分别为无故障、偏差和超差的情况。无故障时不做处理, 出现偏差时对观测值进行降权处理, 对于超差情况, 用前几个时刻的观测值组成的拟合函数进行一个时刻的外延, 代替当前时刻的故障观测值。仿真结果表明, 三段判别域相对于两段判别域多了对偏差情况的处理, 提高了导航精度。连续时间内发生超差情况时, 相比于使用降权法, 基于最小二乘拟合的抗差滤波算法导航精度更高, 稳定性更好。     

多水听器分布式扩展Kalman滤波融合算法

数据融合是信号处理领域非常引人注目的问题。在极坐标系下改进了直角坐标系下的扩展Kalman滤波算法,利用多传感器融合的基本理论,提出了用于水下目标的多水听器分布式扩展Kalman滤波融合算法。分别在目标不发生规避和目标发生规避两种情形下进行了仿真实验。结果表明,所提出的融合算法具有很好的跟踪性能,非常适合于工程的实际应用。     

子空间投影稳健波束形成算法及其性能分析

基于投影方法的稳健波束形成算法能够用于改善一般导向矢量失配的稳健性,而且相比于其他算法实现简单。通过分析,在信号加干扰子空间准确已知的条件下,该方法与基于特征子空间的稳健算法等价。由于该方法适用于较高信噪比和较低信号加干扰子空间维数的场景,而且子空间及其维数必须是已知的,因此给出了一种用于信号加干扰子空间及其维数的稳健估计方法,使该算法的应用条件得以满足。详细分析了理想条件下子空间选取对算法性能的影响,并进行了详细的仿真分析,验证了所提出方法的正确性和有效性。     

基于模糊模型的非线性系统鲁棒控制方差

针对T S模糊模型描述的一类不确定非线性连续系统,研究使得闭环系统的稳态方差小于某个给定上界,同时闭环极点位于给定圆盘中的状态反馈鲁棒方差控制律设计问题。导出了以一组线性矩阵不等式表示控制律的存在条件。通过一个质量弹簧阻尼控制系统验证了这种方法的有效性。     

基于高斯-勒让德积分的鲁棒波束形成算法

针对矩阵重构类波束形成算法在协方差矩阵重构过程中计算复杂度较高的问题, 提出一种基于高斯-勒让德积分重构协方差矩阵的鲁棒波束形成算法。该方法首先根据信号导向矢量之间的正交性, 利用高斯-勒让德积分构建干扰信号空间; 然后将快拍数据投影到干扰信号空间, 剔除期望信号, 完成干扰噪声协方差矩阵重构; 最后将准阵列权矢量投影到信号空间, 修正导向矢量失配。仿真结果表明本文方法在视向误差、导向矢量随机误差条件下具有较好的鲁棒性, 且有效地降低了计算复杂度, 验证了算法的有效性。     

基于广义交互式遗传算法改进的粒子滤波技术

基于一种广义交互式遗传算法对粒子滤波的重采样步骤进行改进,解决粒子滤波的退化和匮乏问题。该方法结合实际处理的优化问题,人为确定候选窗的范围和大小,利用改进型“拥挤因子模型”选择算子进行选择操作,在数学上确保了迭代过程中粒子的多样性,同时利用“完全算数交叉算子”实现交叉操作,这种交叉算子的优点是可行解空间关于交叉运算封闭,采用非一致变异算子实现变异操作,可有效地捕获可能出现的异常情况。仿真实验结果证明了这种改进后的滤波方法与扩展卡尔曼滤波(extended Kalman filtering, EKF)、标准粒子滤波和正则粒子滤波三种方法相比较,具有较好的迭代估计性能。     

基于高斯过程模型的多响应稳健参数设计

针对高维试验数据的稳健参数设计问题, 在高斯过程(Gaussian process, GP)的建模框架下, 采用部分平行的GP(parallel partial GP, PPGP)模型来构建试验因子与多质量特性之间的响应曲面, 在此基础上运用多元质量损失函数作为优化指标来获得可控因子的最佳参数设计值。并且以一个经典仿真算例和两个实际案例验证了所提方法的有效性和优劣性。研究结果表明,与独立建模的单变量GP模型或Kriging模型比较而言, 所提方法不仅能够有效地处理高维试验数据的建模与参数优化问题, 而且能够获得更为稳健的优化结果, 运行效率更高。