广义系统多传感器分布式融合降阶Kalman滤波器

对于带多传感器的广义线性离散随机系统,应用奇异值分解,将其变换为等价的两个降阶多传感器子系统,提出了基于变换后的状态融合器构造原始状态融合器的新的融合方法。应用Kalman滤波方法,在线性最小方差按矩阵加权、按对角阵加权和按标量加权融合准则下,分别提出了三种最优加权融合降阶广义Kalman滤波器。可统一处理融合滤波、平滑和预报问题。可减少计算负担和改善局部滤波精度。证明了三种融合器和局部估值器之间的精度关系。为了计算最优加权。提出了局部滤波误差协方差阵的计算公式。一个Monte Carlo仿真例子说明了其有效性。     

一种基于纹理过滤和中值滤波的牌照定位方法

提出一种基于纹理过滤和中值滤波的牌照定位方法,根据牌照字符纹理图案提出纹理过滤,利用行跳变扫描边缘,进行粗定位,然后采用中值滤波方法进行进一步精确定位。该方法简单,对牌照底色没有要求。经大量试验检测,定位准确率达到98．9％。     

带相关噪声广义系统降阶滤波器设计

基于广义系统典范型分解,应用射影理论,对带相关噪声的广义离散随机线性系统,通过将带相关噪声系统转化为带独立噪声系统给出一种新的递推降阶滤波器。它能减小计算负担,便于实时应用。与以往文献报道带独立噪声广义系统降阶滤波器相比,所提出的降阶滤波器多了一个当前时刻的增益项。仿真例子说明了其有效性。     

基于机器学习的跨患者癫痫自动检测算法

针对目前癫痫自动检测算法多集中于为单个患者建立检测模型,泛化能力较弱的问题,提出一种基于机器学习的跨患者癫痫自动检测算法.该算法使用多个癫痫患者的脑电数据,先对数据进行预处理后分析脑电数据间存在的特征,再对特征进行筛选,训练出一个跨患者的癫痫自动检测模型.该算法不需为每个患者建立单独的检测模型,实现了仅使用一个检测模型...     

基于小波分析与卡尔曼滤波的网络流量估计和预测方法

将目标状态的小波变换系数向量描述为卡尔曼滤波方法的状态变量,进而建立了网络流量估计和预测模型,能够实现周期内的实时跟踪和动态多步预测.利用CERNET华中地区主干网的实测流量数据对该模型进行检验,所有检验周期网络流量预测值的相对误差均值为4.58%,表明网络流量估计和预测模型具有较强的适用性.     

基于CCCII的电压模式多功能滤波器的设计

设计了一种基于电流控制传送器(CCCII)任意阶电压模式多功能滤波器.其电路结构简单,无源元件全部接地,便于集成且与VLSI工艺兼容.理论分析和计算机仿真表明电路方案正确,是可行的.     

双正交多小波滤波器构建

阐述了由Charles A Micchelli,Yuesheng Xu建立的基于不变集的多小波理论,以此为基础讨论了有着自仿映射区间特性的双正交多小波的滤波器构建.     

基于双相移组合全相位法的FIR陷波器设计

提出新的双相移组合全相位设计FIR陷波器算法。根据单窗情况下全相位滤波的3个重要性质,利用两个互为对称的陷波频率向量用全相位方法设计出两个子滤波器,并构造两个互为共轭的相移向量分别对两个子滤波器进行相移,再将两者进行组合即可生成陷波器。通过理论证明:陷波器的设计可通过代入一简单公式来实现,计算复杂度非常低。实验表明:通过改变相移参数值,在任意频率点上陷波器的衰减值可达-330dB。     

基于自适应初始搜索点预测的目标跟踪算法

为了得到恰当的初始搜索点以使得目标跟踪算法避开背景干扰并缩短搜索距离,提出了一种自适应初始搜索点预测的算法。该算法通过对坐标变换参数的变化率进行Kalman滤波来更好地预测初始搜索点;更重要的是,该算法有效地在线估计Kalman滤波器中的模型噪声功率,而非先验地对它们的取值做出假设,因而能够在没有任何人工干预的情况下动态地根据不同的目标运动状况和搜索精度进行实时调整。大量实景视频流上的实验结果均证实了该算法显著提高了跟踪稳定性,并且大幅降低了计算量。     

一种基于混合系统滤波器的NCS系统故障诊断方法

针对一类具有随机传输时滞的网络化控制系统,在考虑时滞无界的情况下(最坏网络传输),提出了一种基于故障检测滤波器的故障诊断方法。首先,为了处理系统的内采样特性,根据混合系统理论设计了一种基于观测器的混合系统故障检测滤波器(FDF);利用多目标优化技术,将故障检测滤波器的设计问题转化为一类优化问题,并借助线性矩阵不等式方法给出了该优化问题的时滞独立解。最后通过仿真验证了该方法的有效性。