线性不确定系统最优保成本滤波器设计的LMI方法

研究了一类线性不确定系统保成本滤波器的设计问题,用线性矩阵不等式LMI（linear matrix inequality)的形式给了保成本钱棒滤波器存在的简便检验方法,由线性矩阵不等式的解直接得到滤波器各参数的值,对保成本滤波器存在的系统,进一步优化保成本矩阵,获得了最优保成本滤波器,同时保证系统具有很好的鲁棒稳定性。最后给出了一个仿真实例,以验证本文结果的有效性。     

关于模糊推理的全蕴涵三I算法的约束度理论

提出了三I算法的约束度理论,分析了约束度的性质,得到了一般的α-三IMP上确界公式与α-三I MT下确界公式.     

基于多包传输的非线性离散系统脉冲控制器设计

针对非线性离散脉冲系统,设计了一种基于多包传输的脉冲反馈控制器以保证相应的闭环系统渐近稳定.首先,考虑从测量变送器到控制器以及从控制器传输到执行器都有数据丢包,并均为独立的Bernoulli过程,建立了闭环多包传输离散脉冲反馈控制系统的数学模型.其次,根据系统范数稳定理论,给出系统在连续状态和脉冲发生时刻保证系统渐近稳...     

一类不确定非线性切换系统的鲁棒H∞控制

研究一类不确定非线性切换系统的鲁棒H∞控制问题.利用共同Lyapunov函数和凸组合技术,给出了由线性矩阵不等式表示的使闭环系统渐近稳定且满足鲁棒H∞性能的充分条件,设计了切换策略;最后给出了一个数值仿真实例表明结论的有效性.该结果对一类不确定线性切换系统的鲁棒H∞控制也成立.     

基于奇异值特征和支持向量机的人脸识别

针对人脸识别中经常遇到的"小样本"和"过学习"等问题,同时为了进一步改善人脸图像的奇异值特征在人脸识别中的识别性能,提出了一种基于奇异值分解和支持向量机的人脸识别新方法.在特征提取阶段,首先对训练样本集中的每一个人脸图像矩阵进行奇异值分解,得到训练样本的奇异值特征,然后对每个样本的奇异值特征向量进行降维、归一化、奇异值向量的分量重新排列等处理.在识别阶段,运用支持向量机作为分类工具,为了提高分类能力,选取径向基函数作为支持向量机的核函数.最后在ORL人脸数据库上验证了该方法.实验结果表明,通过对奇异值特征的相关处理,提高了识别速度和正确识别率.从而证明了所提出方法的有效性,具有一定的应用价值.     

一类不确定切换奇异系统的鲁棒H∞控制

研究一类由任意有限多个不确定子系统组成的切换奇异系统的状态反馈鲁棒H∞控制问题.利用共同Lyapunov函数方法和凸组合技术,给出由矩阵不等式表示的控制器存在的充分条件,并设计了相应的子控制器和切换规则.采用消元法,将该矩阵不等式转化为一组线性矩阵不等式.最后给出一个数值算例证明结论的有效性.研究结果表明:通过切换,闭环系统在整个状态空间上的每个点都满足鲁棒H∞性能,而并不要求每个子系统在整个状态空间上都满足鲁棒H∞性能,甚至也不要求其渐进稳定.     

基于分类预测器及退化模型的图像超分辨率快速重建

对基于学习的领域嵌套超分辨率重建方法进行了有效改进,提出了一种基于分类预测器以及退化模型的图像超分辨率重建技术.首先,利用退化模型得到图像训练集,并基于邻域嵌套进行分块;其次,根据图像各自特点提取灰度和梯度特征,并进行特征融合,从而实现了训练过程中噪声信息的有效抑制及图像中边缘信息的锐化;然后,引入分类预测器的思想,设计了一种离线的分类预测器,对预测器进行离线训练,得出优化参数,从而大幅度减少了优化时间;最后,利用L2范数对低分辨率图像分块进行分类,将分块送入相应子预测器中进行快速超分辨率重建.实验结果表明,该算法具有良好的实时性和有效性.     

基于色彩相关直方图的粒子滤波跟踪算法

提出一种基于色彩相关直方图的粒子滤波跟踪算法.该算法在粒子滤波基本框架之下,将目标色彩自相关直方图作为目标的描述特征,用于衡量不同预测状态与观测状态之间的色彩相关性.色彩相关直方图将色彩的空间相关性信息引入到目标的特征表达当中,弥补了一般色彩直方图的不足.试验表明,该算法不仅能在目标与背景颜色相近的情况下准确的跟踪到目标,而且能在目标发生旋转和部分遮挡的情况下也能保证不丢失目标.     

Cohen-Grossberg神经网络的吸引域以及稳定性分析(英文)

分析了Cohen-Grossberg神经网络的指数稳定性(局部指数稳定和全局指数稳定).给出了基于矩阵测度的判定Cohen-Grossberg神经网络的指数稳定的充分条件.并且对于局部指数稳定的平衡点,给出了其吸引域的估计;对于全局指数稳定的平衡点,给出了其指数收敛的速率.该结果可以用于神经网络容错能力的估计以及其指数收敛速率的估计,因此在设计Cohen-Grossberg神经网络中具有很重要的现实意义.     

多移动机器人保持队形路径规划

将多移动机器人的运动控制和路径规划有机结合,提出了多移动机器人的队形模型和保持队形的定义.在此基础上,以基于行为的导航算法为基础,将机器人队列的运动过程划分为正常运动、避障和恢复队形3个阶段.在避障阶段,引入虚拟机器人使队形保持部分完整;当队形被严重打乱时,规划机器人的局部目标位姿使队列快速恢复队形.仿真实验表明,该控制方法不仅使多移动机器人安全避障,而且队形保持较完好.