带随机限定记忆模型的最优线性滤波

本文用对象输出信号的N个记忆量来构成随机限定记忆模型,去代替卡尔曼滤波器中所使用的对象状态方程模型,作为一步最优预测的依据。在此基础上推导出离散系统的最小均方误差的滤波公式组。在不能获得精确的对象状态方程的情况下,可用本文提出的滤波方法对对象的状态变量作出估计。     

关于Poisson极限定律的注记

应用算子半群概率表示的量化估计、拓广经典的Ｐｏｉｓｓｏｎ极限定律，并给出收敛阶估计。     

关于离散系统线性滤波的几点注记

本文对离散系统线性滤波问题作了几点注记。首先,给出了较一般系统的线性滤波的一步递推公式,说明了它与线性无偏最小方差估计之问的关系,然后对于初值未知的情况,提出一种处理方法。     

一种限定记忆的自适应扩展Kalman滤波器

为解决扩展卡尔曼滤波器(EKF)鲁棒性差,且无法实时精确跟踪系统突变状态的问题,研究一种基于限定记忆滤波的自适应EKF算法。算法将EKF与限定记忆滤波器相融合,减小旧量测数据对滤波效果的影响,提高估计精度;引入自适应因子与渐消因子,通过实时调节新旧滤波增益阵以及预测状态值,精确地跟踪系统突变状态。仿真实例表明,强跟踪算法与经典EKF算法相比,自适应EKF算法鲁棒性好,滤波精度高,能够有效地跟踪系统突变状态。     

关于声表面滤波速的几点注记

本文深入讨论了固体中声表面波速方程的实根分布规律,修正了以往文献中的某些不确切之处。     

增广最小二乘限定记忆参数估计算法与仿真

最小二乘法可用于动态系统、静态系统、线性系统和非线性系统的参数估计,可用于离线估计,也可用于在线估计;文章在增广最小二乘递推算法的基础上引入限定记忆方式,获得了增广最小二乘限定记忆参数估计递推算法(RFMELS),解决了增广最小二乘递推算法的数据饱和问题,仿真结果表明了RFMELS算法的有效性.     

基于多新息限定记忆的永磁同步电机参数辨识

在永磁同步电机伺服控制系统中,为了抑制由电机参数变化导致的控制精度下降,引入了电机参数辨识修正调节器参数.为了增强辨识系统的抗干扰能力,提出将多新息方法与限定记忆最小二乘法相结合,增加单步递推数据量,对电机参数进行辨识.通过采集电机运行下的电压、电流及转速信号,对电机定子电阻、交直轴电感、转子磁链参数进行同时在线辨识.通过仿真及实验验证,多新息限定记忆最小二乘法辨识收敛速度快,能有效减小辨识结果的稳态误差且鲁棒性强.     

实时处理的自适应滤波器和有限记忆、衰减记忆滤波

一、前言近十几年来,随着自动控制技术和数字电子计算机的高速发展,最小方差递推滤波技术(即卡尔曼滤波)在导航、制导、测轨与控制等现代技术中获得了广泛而具体的应用。“通过实践而发现真理,又通过实践而证实真理和发展真理。”(引自《毛泽东选集》第1卷第273页)线性滤波技术的产生与发展的过程,即从1794年高斯提出最小二乘法→维纳滤     

基于限定记忆随机加权扩展卡尔曼滤波的车辆状态估计

为了降低车辆状态估计过程中历史量测数据误差的影响,提出一种限定记忆随机加权扩展卡尔曼滤波(LMRWEKF)算法.首先,建立三自由度非线性车辆动力学模型;其次,将限定记忆滤波与扩展卡尔曼滤波融合,构成限定记忆扩展卡尔曼滤波;然后,依据随机加权理论,设计服从狄利克雷分布的加权系数来进一步提高滤波估计精度;最后,建立Cars...     

广义最小二乘限定记忆参数辨识方法与仿真研究

最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计.可用于离线估计,也可用于在线估计.最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用.但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力.广义最小二乘递推算法解决了模型噪声是有色噪声时,最小二乘参数估计的无偏性和一致性问题,并能给出噪声模型的参数估计值,但依然存在数据饱和问题.论文在广义最小二乘递推算法的基础上引入限定记忆方式,获得了广义最小二乘限定记忆参数估计递推算法(RFMGLS),解决了广义最小二乘递推算法的数据饱问题.仿真结果表明了RFMGLS算法的有效性.     

采用限定记忆极限学习机的过热汽温逆建模研究

针对常规极限学习机随着学习次数增加增益矩阵慢慢趋于零、学习算法逐渐失去修正能力而出现"数据饱和"的问题,提出了限定记忆极限学习机算法。该算法在学习过程中每增加一个新数据信息,就去掉一个旧数据信息,权值的学习只依赖于限定个数的最新数据信息,从而避免出现"数据饱和"。通过分析隐含层数据矩阵的特点,利用分块矩阵计算方法推导了限定记忆极限学习机在线学习算法。将该算法应用于参数时变的过热汽温对象逆模型的辨识,仿真实验结果表明:该算法能有效克服"数据饱和"问题,提高计算精度,是一种实用有效的过热汽温对象逆建模算法。     

系统辨识中的限定记忆最小二乘法参数估计算法及应用

将限定记忆最小二乘法用于线性时变系统的参数估计,线性系统用离散差分方程来表示,给出了相应的批量算法和递推算法公式及算例。     

基于N记忆簇标记SMC-PHD滤波的量子跟踪

使用PHD粒子滤波跟踪量子以满足特定生物信息学应用的需求,并结合簇标记技术实现多目标航迹关联.针对簇标记技术存在的"标签漂移"问题,提出一种N记忆簇标记方法用于控制算法对不稳定目标的敏感度.它通过记忆和对比过去N个时刻的目标状态可以有效降低目标频繁出没对目标估计和跟踪带来的干扰.实验结果表明该方法可以对具有高随机动态的量子目标实现较准确、鲁棒的航迹跟踪.     

分析注记

对特殊的收敛级数之和给出解答.对特殊的方程奇异点给出切线方程.     

浅谈限定从属分句、非限定分句和无动词分句

本文先从更概括的角度(限定从属分句)重新介绍和分析英语学习者熟悉的从句,进而介绍与其有着重叠语法功能的分句(非限定从属分句和无动词分句),最后介绍两类分句重叠的语法功能和相互转化关系。英语学习者如果从更概括的角度分析和学习熟悉的从句,了解限定从属分句与非限定分句和无动词分句重叠的语法功能和相互转化关系,就能更系统和深入地认识这些从句,辅助语法学习。     

基于特征学习与特征记忆模板更新机制的粒子滤波跟踪

目标运动的多样性以及背景环境的复杂性是影响目标跟踪鲁棒性的主要原因.受背景颜色、光照以及姿态尺度变化等因素的影响,目标模板更新精度不高、目标跟踪鲁棒性差.针对此类问题,提出了一种基于特征学习与特征记忆的模板更新机制,通过构建目标模板库,保存丰富的运动目标信息,采用粒子滤波跟踪算法,将候选模板与模板库中的目标信息进行匹配,确定目标状态实现跟踪.实验结果表明,该算法以更丰富的目标信息进行跟踪,比传统目标模板更新策略的粒子滤波算法具有更高的跟踪精度和更强的鲁棒性.     

限定路径的数据流分析方法

介绍一种限定路径的数据流分析方法,该方法可使数据流分析效率得到明显的提高,并使分析结果更准确。     

限定逻辑的表列方法

限定逻辑是由McCarthy创立的非单调逻辑的一个重要分支。限定逻辑最大的困难在于其算法的设计。基于表列方法,可以给出命题限定逻辑和公式限定逻辑两种形式证明程序。     

Isosceles正交注记

在实赋范线性空间E(dimE ≥ 2 )中证明 :当E中向量x ,y线性无关 ,且‖x‖ ≥‖y‖ >0时 ,存在唯一的a ∈R使得x+‖y‖ (y +ax)‖y +ax‖ =x- ‖y‖ (y +ax)‖y +ax‖即在x与y生成的平面上xIsosceles正交且只正交于一个范数是‖y‖的向量 .