反向响应时滞过程的二自由度Smith预估控制

针对反向响应时滞系统,将Smith预估控制和内模控制相结合,提出一种二自由度
控制方法. 设定值跟随控制器采用Smith预估器形式,可使系统具有良好的设定值跟随特性,
而干扰抑制控制器则采用内模控制器设计方法,可改进系统的干扰抑制性能和鲁棒性,克服
传统Smith预估器的不足. 通过两种不同的方法(直接分解和全通分解),把过程对象的传递
函数分解为最小相位部分和非最小相位部分,相应导出了两种不同控制器的设计方法,并给
出了系统满足鲁棒稳定性的充要条件. 理论分析和仿真对比研究表明,该方法可使系统具有良
好的设定值跟随性能、干扰抑制性能和鲁棒性.     

对旋转和平移鲁棒的序列图像拼接算法

受分辨率和视角范围的限制,普通的图像获取设备通常无法拍摄到较大场景的图
像,而图像拼接技术可对获取的若干幅小视角场景的图像进行配准和融合得到一幅宽视角的
全景图像. 为此,设计了一种序列图像拼接系统. 针对近似仅存在二维平移的待拼接图像,采
取平移鲁棒的实时序列图像拼接方案,以傅里叶变换的相位相关法为基础进行拼接. 针对待
拼接图像间同时存在旋转和平移的情况,采取了基于Harris特征点检测的旋转和平移鲁棒的
序列图像拼接方案. 实验结果表明,所设计的平移鲁棒序列图像拼接方案能够实时拼接近似存
在二维平移关系的序列图像,但无法处理旋转;而旋转和平移鲁棒的序列图像拼接方案可在
线下非实时地处理同时存在平移和旋转仿射变换的序列图像拼接.     

一类不确定离散时滞系统的保成本H∞控制

研究了一类不确定离散时滞系统鲁棒渐近稳定下的保成本与H^∞扰动衰减问题.基于Lyapunov稳定性理论和线性矩阵不等式(LMI)方法,得到了保成本H^∞状态反馈控制器存在的一个充分条件.通过求解一个特定的线性矩阵不等式,即可得到镇定已知系统的保成本H^∞控制律,并用算例验证了该设计方法的有效性.     

鲁棒保性能切换控制器设计在BTT导弹中的应用

研究一类离散切换系统的鲁棒保性能状态反馈控制器设计问题.利用切换Lyapunov函数和线性矩阵不等式方法,得到了鲁棒保性能控制器存在的一个充分条件,给出了控制器的参数化表示,并将次优保性能控制器的设计问题转化为基于线性矩阵不等式约束下的凸优化问题.最后将所提理论应用于某型BTT导弹自动驾驶仪设计中,说明了所提设计方法的有效性.     

采用黄金分割法的自适应调制无线网络跨层设计

提出一种通过最优化网络的目标误包率来降低丢包率的方法. 物理层采用自适应调制编码方式,数据链
路层采用有限长数据缓冲区,并改变了原有网络中固定的目标误包率值. 在不同的网络参数,如网络的信噪比、功
率、带宽、包到达率等条件下,考察网络的丢包率随目标误包率的变化,总结其变化规律,并根据黄金分割法寻找
最佳的目标误包率,使得丢包率达到最小,即网络吞吐量达到最大.     

异构网络中的丢包区分和拥塞控制机制

现有异构网络传输控制协议不能准确估计网络状态,缺乏有效的丢包区分机制. 为此,提出一种基于效用估计的丢包区分算法,并将其应用于多媒体业务TCP 友好传输控制协议. 该算法将网络状态估计算法和差异化丢包区分算法相结合,根据分组到达时间间隔估计当前网络的可用带宽,计算效用参数并估计网络状态,自适应地选取合理的区分机制,以准确区分无线-有线异构网络中拥塞/无线丢失,提升多媒体传输控制协议性能. 实验部分比较了该算法与现有文献方法的仿真性能.     

分式不确定性系统基于参数化特征结构配置的 H∞干扰抑制

针对含有分式不确定性的连续时间系统,研究了其含有极点约束的鲁棒H∞干扰抑制问题.基于扩展的有界实定理,通过设计状态反馈,使得闭环系统既满足H∞干扰抑制要求,又满足鲁棒极点配置要求.该设计方法最后可以转化为一组耦合的线性矩阵不等式,利用MATLAB LM I工具箱可以很容易得到反馈增益.一个数值例子表明了该方法的有效性.     

一种高精度低负载的可用带宽测量机制

端到端的可用带宽是网络测量的重要性能指标之一. 针对现有的大多数测量工具及
方法在估算可用带宽前需要大量时间分析和测量等问题,在全面分析了网络中背景流特征的
基础上,提出一种高精度低负载的可用带宽测量机制. 该机制考虑了高速网络环境中丢包的情
况,建立网络利用率与探测速率间的关系模型,结合扩展卡尔曼滤波实时获得最新的端到端
的可用带宽. 该机制不需要事先知道瓶颈链路容量,探测速率可低于可用带宽,降低了突发背
景流对测量的影响. 数值模拟表明,所提出的机制能快速响应突发背景流,准确高效地测得端
到端的可用带宽.     

一种新的麦克风阵列自适应语音增强方法

在复杂的语音环境中,利用麦克风阵列语音增强技术能有效地拾取目标语音信号并
消除噪声干扰,但传统的麦克风阵列波束形成的加权系数是固定的. 为了能灵活地控制麦克
风阵列波束的形成方向以及消除其波束旁瓣带来的残余噪声,提出了一种基于麦克风阵列的
自适应语音增强技术. 该技术将自适应滤波器和麦克风阵列相结合形成波束可控的广义旁瓣
消除器,然后在广义旁瓣消除器后面续接一个改进的谱减法,并加入契比雪夫窗函数. 仿真实
验结果表明,所提出的语音增强方法能有效去除语音信号中的噪声干扰,相比于传统广义旁
瓣消除器,信噪比大约提高了3.5 dB.     

一类非线性不确定时滞系统的鲁棒H_∞控制

针对一类具有非线性不确定性的时滞系统,研究了系统的鲁棒H∞状态反馈控制器设计.假设非线性项是范数有界的,基于Lyapunov稳定性理论,利用线性矩阵不等式(LMI)处理方法,给出了系统H∞鲁棒镇定的充分条件,仅通过求解一个相应的线性矩阵不等式,就可得到鲁棒H∞控制器,使得闭环系统对于所有的不确定项满足鲁棒H∞性能,给出算例说明算法的有效性.     

非线性时滞不确定系统的保性能控制

叙述了一类给定线性二次性能指标函数的中立型非线性参数不确定系统的保性能控制问题．这些参数的不确定性是实时变范数有界的,并且状态时滞是一个常量．问题就在于设计一个使闭环系统渐近稳定,且对于所有允许的不确定性和时滞,闭环系统线性二次性能指标都不超过一个给定的上界的状态反馈控制律．基于线性矩阵不等式,Lyapunov方法给出了控制器存在的两个判据．最后给出了一个仿真示例说明该文方法的有效性．     

基于新的失真代价函数的自适应JPEG隐写

为了提高隐写的安全性,提出了基于一种新失真代价函数的自适应JPEG 隐写算
法. 考虑到纹理区域更有利于信息嵌入,本算法通过非零量化DCT 系数的绝对值加权和来
度量DCT 子块的纹理程度,并引入均匀嵌入思想,设计出了一种新的失真代价度量函数;同
时利用STC（syndrome trellis codes）编码将嵌入修改均匀地分散在任意数量级的非零量化
DCT 系数上,实现了秘密信息自适应地嵌入到载体的纹理区域中. 实验结果表明,在同等低
嵌入率下,该方法的安全性优于同类隐写算法.     

基于自适应同源方差控制的法庭自动说话人识别

提出了自动说话人识别系统得分到法庭证据强度量化值似然比的转换方法. 为了更准确地评估嫌疑人的
统计模型,提出了自适应同源方差控制算法,该算法能自适应地融合来自参考人群和嫌疑人的同源语音得分模型
信息,降低了对嫌疑人数据量大小的需求. 与基本识别系统相比的测试结果表明,使用该算法的识别系统不但具有
更优良的识别性能和可靠性,而且提高了语音证据对判别结论的支持强度.     

基于鲁棒时变卡尔曼滤波估计的无人机视觉编队

针对一般多输入多输出不确定系统,提出一种基于鲁棒时变卡尔曼滤波的估计算法. 该方法将时变卡尔曼滤波与自适应神经网络相结合,利用自适应神经网络克服外界非线性不确定因素,采用两个误差信号对其进行训练以提高估计精度,并对估计误差有界性进行证明. 将该方法用于无人机视觉编队视线信息的状态估计,仿真结果表明该算法能够很好地估计不确定机动长机的加速度,实现了僚机对长机的有效跟踪.     

基于RBFNN和回馈递推的新型多旋翼飞行器控制

研究了新型多旋翼飞行器的建模与轨迹跟踪控制. 建立了非线性运动学和动力学模型,并提出基于全调节径向基神经网络和回馈递推的鲁棒自适应轨迹跟踪控制策略. 首先设计了飞行器的位置误差PID控制器,用于实时消除飞行轨迹与期望轨迹的偏差,并为姿态控制环构建姿态角指令. 采用全调节径向基神经网络估计飞行器动力学模型中的复合干扰,为避免回馈递推控制器设计过程中对虚拟控制信号的繁琐求导运算,减小对解析模型的依赖度,设计了一种基于指令滤波回馈递推的飞行器姿态控制器. 该设计方法通过滤波器而非直接用解析方法对虚拟控制信号求导,大大简化了控制器的设计过程,节省了控制能量. 仿真实验表明所提出的轨迹跟踪策略的正确性和有效性.     

利用边缘密度特征提取高分辨率遥感影像中的居民区

居民区相对于其他区域具有更明显更丰富的边缘特征. 根据这一特点,提出一种利用边缘密度特征差异
进行高分辨率遥感影像居民区自动提取的方法. 该方法首先利用Mean Shift 算法平滑原始影像,然后检测平滑影
像上的边缘并拟合成直线段,最后利用影像中的边缘密度分布构建空间投票矩阵,并结合Ostu 阈值分割方法提取
居民区. 实验表明：该方法可用于提取场景比较复杂的影像中的居民区,且具有较高的准确率和鲁棒性.     

鲁棒的快速车道偏移警告

针对FPGA等片上资源较为缺乏的处理器,提出一种应用于辅助驾驶的快速车道线偏移警告方法. 方法
面向单目视觉识别应用;首先采用基于区域统计方式的二值化处理进行图像增强,并利用515车道线模板匹配方
法代替传统的边沿检测去除原图像中的大量干扰信息,最后采用压缩型霍夫变换对匹配结果进行车道线提取. 与
传统霍夫变换相比,大大降低了运算量,减小了内存使用量. 实验证明,该算法对车道线的识别非常有效,满足实
时性需求,并已成功移植到FPGA上.