带丢包和量化的参数不确定系统滚动时域估计

针对网络化系统中丢包、量化和参数不确定性对状态估计的影响,提出一种带有预测补偿机制的鲁棒滚动时域估计算法。将丢包现象描述为概率已知的随机Bernoulli序列,并利用丢失数据的预测值进行丢包补偿,将数据量化引入的量化误差描述为观测方程中的一个有界不确定参数,将模型的不确定性描述为系统矩阵受到随机扰动,基于滚动优化策略,考虑量化和模型不确定性影响最严重的情况,通过滚动求解一个min-max问题得到最优状态估计器。对所提算法进行稳定性分析,推导了估计误差范数平方期望的一个上界函数,给出了估计误差范数平方期望收敛的充分条件。最后,通过仿真验证了所提算法的有效性。     

基于新息序列修正的输入估计算法

针对传统输入估计算法跟踪机动目标时检测概率和估计精度不高的缺点,提出一种改进的输入估计跟踪算法。算法利用对检测窗内新息序列进行修正以及对卡尔曼滤波状态变量进行补偿的方法,消除了已有机动检测估计对后继机动输入估计的影响,提高了对机动的检测概率和估计精度。理论分析和仿真结果表明,改进后的算法相比原有算法和IMM3算法,不仅跟踪性能有显著提高,而且对加速度缓变的机动也有较好的跟踪能力。     

对丢失数据包的网络控制系统的分析及最优控制

针对同时存在前向通道和反馈通道数据包丢失的离散时间系统,分别将数据包丢失作为独立的贝努利过程进行建模。通过对量化器量化水平参数的约束条件,确保状态估计在均方差意义下的稳定,并基于约束条件获得前向通道的最大丢包率的一个上界。与此同时,基于线性二次型最优控制(LQG)性能指标和状态估计,给出了具有数据包丢失的系统最优控制律,运用线性矩阵不等式(LMI)技术和二分法进行优化设计,并给出了反馈通道最大丢包率的一个优化算法。最后通过仿真实例验证了理论结果。     

基于子系统重构的鲁棒滤波算法及其应用

复杂环境下航天器姿态确定系统存在系统参数不确定性,并且可能存在观测数据的间断丢失情况.对此,本文研究了一种新的鲁棒滤波算法.该算法采用线性预测子系统重构补偿丢失的观测信号,并利用其参与到测量更新阶段,采用极小极大理论推导出具有观测数据丢失的不确定性系统的鲁棒状态估计的递推形式.将该方法用于复杂环境下的航天器姿态确定系统中,通过仿真验证了算法的有效性.     

基于量测补偿的多传感器分布式滚动时域估计

针对网络中单个传感器无法对目标状态完全观测的情况,基于量测补偿策略与滚动时域估计方法,提出了一种分布式估计算法。针对网络中单个传感器量测对状态不完全可观测的情况,令各传感器利用其对完全量测的预测来补偿实际量测;进一步针对传感器网络中所有传感器估计的一致性问题,令各传感器利用本身的量测和邻居传感器的传输信息对状态进行滚动时域估计,并在此基础上构造分布式的滚动时域估计优化问题和设计实施算法。仿真结果表明,在整个传感器网络全局可观测的前提下,该算法可以使得传感器网络中的所有传感器实现对目标状态的完整、准确估计。     

基于极大似然准则与滚动时域估计的自适应UKF算法

针对无迹卡尔曼滤波(unscented Kalman filter, UKF)在系统噪声统计特性未知或不准确的情况下滤波精度降低甚至发散的问题,提出一种基于极大似然准则与滚动时域估计的自适应UKF算法。首先根据极大似然准则构造关于系统噪声统计的估计模型;然后引入滚动时域策略对所提模型进行优化;最后采用序列二次规划方法求取噪声统计的估计值,得到带有噪声统计估计器的自适应UKF。提出的算法可以实现系统噪声统计的在线估计,克服了标准UKF的缺陷。通过惯性导航/全球定位系统(inertial navigation system/global positioning system, INS/GPS)组合导航系统中的应用实例,验证了提出算法的有效性。     

一种适用于车速无线信道的OFDM联合同步算法

提出了一种改进的适用于车速无线信道的OFDM联合同步算法。该算法首先利用一组特殊的时域正交PN序列进行联合定时同步和大频偏估计,并从理论上分析了大频偏估计之后的残留频偏范围;之后使用多个重复的短训练符号完成残留频偏估计。理论分析和仿真结果表明,改进的算法不但能解决无线信道下第一径不是最强径时的定时同步问题,而且在可能出现多个等功率路径的车速无线信道下具有更高的频偏捕获概率和更好的频偏估计性能。     

滚动时域估计中先验估计误差协方差阵的递归算法

对滚动时域状态估计问题中先验估计状态和相应的误差协方差矩阵的计算方法进行了讨论。给出了滚动时域估计中先验状态的估计方法,并导出了与先验滚动估计状态相一致的误差协方差矩阵的递归公式。与其它的滚动时域估计方法相比,本文给出的方法能够提高估计的精确性,具有更好的估计性能。     

SC-FDE系统中基于UW的联合信道估计均衡算法

针对基于特殊字(unique word, UW)帧结构的单载波频域均衡(single carrier frequency domain equalization, SC-FDE)系统提出一种联合信道估计噪声预测最小均方误差-残留码间干扰消除(minimum mean square error-residual intersymbol interference cancellation, MMSE-RISIC)均衡算法。该算法包括噪声预测MMSE-RISIC均衡算法与基于UW的噪声消除时域信道估计算法, 并将频域均衡算法与信道估计算法相结合。最后,利用华北地区300 km的9径散射链路参数进行仿真, 结果表明基于UW的噪声消除时域信道估计算法较基于UW的时域信道估计算法总体性能有所提高, 当误码率为10^-2时信噪比大约有1.2 dB的性能增益; 联合信道估计噪声预测MMSE-RISIC均衡算法相比改进MMSE-RISIC均衡算法性能也有提高, 当误码率为10^-2时信噪比大约有3.2 dB的性能增益。     

具有数据包丢失的网络控制系统的估计问题

主要考虑了具有数据包丢失的网络控制系统(NCSs)的估计问题。首先,给出经典的卡尔曼滤波估计器和协方差矩阵。当量测方程带有噪声时,通过递推的方法严格推导出最优估计(条件期望)。另外,根据系统丢包行为能否被观测到的估计问题,分情况进行讨论。最后,在实际应用中开发了一个次优的近似估计器。这对在大的有限域下研究具有数据包丢失的网络控制系统有所帮助,也为进一步分析网络控制系统的问题提供了研究方向。     

基于谱图的伪码调相与线性调频复合信号参数估计

研究了基于谱图的伪码调相与线性调频（pseudo random binary code and linear frequency modulation, PRBC-LFM）复合信号参数估计算法,根据PRBC-LFM信号的谱图特点给出了其伪码参数（子脉冲宽度、脉冲重复周期和伪码重复周期等）和调频参数（载频、调制斜率）的估计方法。结合瞬时频率估计误差理论,分析了谱图窗函数窗长的选择对信号参数估计精度的影响。另外,为了评价该参数估计方法的性能,推导了PRBC-LFM信号参数估计的克拉美罗界。理论分析和仿真实验表明,选择中等长度的窗函数,在信噪比为0~10 dB范围内,该估计方法比较接近克拉美罗界。     

Modelling of a Class of Nonstationary Time Series with Kalman Filter Using Moving Window

In this paper a method for modelling and forecasting of a class of nonstationary time series with Kalmnan filter using moving window is proposed. The procedure of the method is as follows: in terms of parameter estimation during recursive process by using LSM, the state space equation is constructed, then the Kahnan filter using moving window is made to get the data with reduced level of observation noise. Finally, the precise parameter estimation can be obtained by using the LSM again. The algorithm is carried on recursively. Good results for estimating and forecasting are shown by simulation, examples. The algorithm of Kalman filter using moving window proposed by us is introduced in this paper, which can guarantee the precision and convergence of Kalman filter.     

动力学模型系统误差及其协方差阵的随机加权拟合法

在现有的基于移动窗口函数模型和随机模型系统误差自适应拟合方法的基础上,提出一种基于移动窗口动态导航模型系统误差的随机加权拟合法,在相同的窗口内给出了相应的状态预报向量协方差阵的随机加权拟合。由于动力学模型系统误差难以直接修正,采用修正状态估计误差向量及动力学模型误差向量的方法,实现对动力学模型系统误差的修正,然后利用修正后的动力学模型及相应的协方差阵进行导航滤波计算,有效地抑制动力学模型系统系统误差的影响,提高导航解算的精度。仿真结果证明,采用随机加权拟合后的算法精度优于未进行拟合的卡尔曼滤波和自适应卡尔曼滤波算法。     

考虑测量误差和随机效应的设备剩余寿命预测#br#

针对非线性退化设备的剩余寿命预测问题,尚未系统研究考虑测量误差和随机效应的退化建模、先验参数估计及相应的剩余寿命预测方法。首先建立考虑测量误差和随机效应的非线性Wiener退化模型;利用同类设备历史监测数据,基于期望最大化算法估计出退化模型中固定系数和随机系数先验分布;采用状态空间模型描述目标设备当前监测状态,基于Kalman滤波算法迭代估计出随机系数后验分布和当前真实退化状态;利用全概率公式,推导出考虑隐含状态估计不确定性的设备剩余寿命的概率密度函数;仿真实例分析表明,所提方法较现有方法在参数估计误差和剩余寿命预测精度上具有一定优势。     

目标数据缺失下离散动态贝叶斯网络的参数学习

离散动态贝叶斯网络参数学习的难点在于:隐藏节点的片间转移概率获得及观测数据发生不同程度缺失。针对上述问题,提出基于目标缺失数据估计的前向递归参数学习算法。该算法利用离散动态贝叶斯网络中各观测变量与隐藏变量之间的对应关系,采用支持向量机建立观测变量间的非线性函数关系完成缺失数据估计,此基础上利用完整数据集和前向递归算法完成片内和片间参数更新。以空中目标识别为仿真背景,通过与期望最大算法对比,验证了该算法的学习效率和精度两个方面的优势。     

二维GTD模型参数估计的PQ-FB-2D-ESPRIT算法

二维基于旋转不变技术信号参数估计(2D-estimating signal parameter via rotational invariance techniques, 2D-ESPRIT)算法是估计几何绕射理论(geometric theory of diffraction, GTD)模型参数的一种经典算法,但在信噪比较低的条件下, 2D-ESPRIT算法的参数估计精度明显下降,噪声鲁棒性较差。针对这一问题,提出一种极化平方前后向平滑2D-ESPRIT(polarized-quadratic-forward-backward 2D-ESPRIT, PQ-FB-2D-ESPRIT)算法,有效地提高了算法的噪声鲁棒性与参数估计性能。改进算法利用目标散射回波数据的极化信息,并通过对协方差矩阵平方处理和前后向空间平滑处理,提高了算法的参数估计性能与数据利用率,同时达到了去相关的效果。仿真结果表明,提出的PQ-FB-2D-ESPRIT算法的参数估计性能及噪声鲁棒性要优于经典2D-ESPRIT算法、前后向平滑2D-ESPRIT(forward-backward 2D-ESPRIT, FB-2D-ESPRIT)算法及平方FB-2D-ESPRIT(quadratic-FB-2D-ESPRIT, Q-FB-2D-ESPRIT)算法。基于不同算法估计得到的GTD模型参数对散射中心的定位精度进行比较,进一步验证了改进算法的优越性与有效性。     

带休假的返回n-ARQ系统时延性能研究

在对返回 n 步自动重传请求协议(返回 n-ARQ)的系统传输过程进行分析的基础上,利用等效服务时延的思想简洁有效地建立了返回 n-ARQ 系统的休假排队模型,求得了该系统的主要性能指标分组平均等待时延、平均服务时延以及归一化最大吞吐量等的表达式,给出确定最佳滑动窗口长度以及最佳分组长度的理论模型;最后通过数值模拟分析了分组传输正确率、滑动窗口长度以及分组长度对系统时延的影响,并分析论证了最佳滑动窗口长度以及最佳分组长度的存在性和可确定性及其变动规律.     

基于非参数估计的决策融合模型及其应用研究

针对传统bayes决策融合算法中,类条件概率密度的不确定性以及固定的类条件概率密度估计值所引起的融合系统误判,本文将非参数估计方法引入到bayes决策融合算法中,提出了一种改进的bayes决策融合模型。该模型在融合过程中每次进行bayes最大后验概率准则判决后,均判断当前的类条件概率密度是否达到预期的精度,并在未达到预期精度的情况下利用parzen窗算法完成条件概率密度的逐步构造逼近。通过在丰满水电仿真系统的温度故障诊断过程中的实际应用表明,该算法在性能上优于传统bayes方法,可有效地提高诊断判决正确率。