基于RTCP的流媒体服务器速率动态适配研究

研究并实现了一种基于实时流控制协议RTCP的流媒体发送速率适配方法,通过接收RTCP RR包及RTCP NADU包得到关键控制参数--丢包率、抖动、空闲缓冲区大小,对这些参数设置阈值来决定服务器端发送速率的切换方向,切换后的发送速率则通过决策器对估算的网络带宽与根据控制参数调整的发送速率相运算得到.实践证明:本方法具有抗振荡性、带宽预测性、能快速响应网络状况变化、有效控制缓冲区上溢或下溢的优点.     

一类随机非线性系统的输出反馈全局镇定

将基于增益观测器的非线性系统输出反馈全局镇定控制器设计方法推广到随机情形,使之适用于一般的随机非线性系统.与已有基于反步法设计的镇定控制器相比,该方法不要求该随机非线性系统满足严格反馈条件,对其噪声向量函数也不要求满足光滑性条件.基于李亚普诺夫第二方法,讨论了所设计的控制器稳定的条件.一个二阶仿真算例表明该控制器设计方法是有效的.     

不确定离散多时滞系统的模糊动态输出反馈保性能控制

针对一类用T-S模糊模型描述的不确定离散多时滞系统,研究了其动态输出反馈保性能鲁棒控制问题.通过构造一个相应的Lyapunov函数,给出了系统模糊输出反馈保性能控制律存在的一个充分条件和性能上界.并证明了该条件等价于一组线形矩阵不等式的可行性问题.进而,通过建立和求解一个凸优化问题,给出了系统设计次优保性能模糊输出反馈控制律的方法.最后通过一个算例来验证所给结果的有效性.     

自组织研究方法及其数学手段——根据输出输入来描述自组织系统的状态和演化

根据自组织的性质及其调节机理能,提出基于系统输出输入这一适用于任何自组织的研究方法,以熵的定律和耗散结构论的基本思想为基础,用能量迁移速度变化来表达熵的定律,推导出远离平衡态系统方程,作为基于系统输出输入研究方法的数学工具。     

引入突触修饰非对称时窗的神经元感受野自组织模型

视觉通路中一些简单神经元的时空响应特性在动物出生前已基本形成,在缺乏视觉经验的情况下,视觉系统是怎样发育出这些神经元感受野的？以Wimbauer的时延网络为基础,引入神经生物学中最近发现的突触修饰非对称时窗,修改了Hebb学习规则,提出一种4层前馈网络模型。模型能自组织生成时空响应特性更为丰富的神经元感受野,并能对脊椎动物视觉系统中反差极性敏感型神经元的形成机制做出解释。这种网络模型比Linsker网络和Wimbauer的时延网络更具普适性。     

不确定切换系统的动态输出反馈鲁棒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系统的动态输出反馈鲁棒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(LMIs).最后给出一个数值仿真实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.     

存在相位噪声和信道估计偏差影响的空相关MIMO-OFDM系统的性能分析

为了进一步了解相位噪声和信道估计偏差在空相关多输入多输出正交频分复用(MIMO-OFDM)系统中的作用,对存在相位噪声和信道估计偏差影响的空相关MIMO-OFDM系统的性能进行了分析.利用模型表达了空相关MIMO-OFDM系统的复包络信号,推导了在相位噪声和信道估计偏差影响下的空相关MIMO-OFDM系统的有效数据符号的信噪比表达式,给出了在相位噪声和信道估计偏差影响下的空相关MIMO-OFDM系统的差错性能指标.研究表明,理论计算和计算机仿真的空相关MIMO-OFDM系统的差错性能结果在各种不同相位噪声和信道估计偏差影响下都比较吻合.     

一类不确定线性系统的输出反馈鲁棒重复控制设计

重复控制将人类的学习机制引入控制系统,并在许多领域中得到广泛的应用。文中针对一类具有时变结构不确定性的线性系统,研究基于输出反馈的鲁棒重复控制系统设计问题。为了能精确地描述重复控制的特性,建立起能够独立调节重复控制过程中的连续控制行为和离散学习行为的连续/离散二维混合模型,以线性矩阵不等式(LMI)形式给出重复控制系统鲁棒稳定的充分条件,并利用该稳定性条件进行重复控制系统的参数设计。最后用数值仿真验证了文中所提方法的有效性。     

相控阵多址系统中通道间群时延不一致性分析

首先从数学公式分析了多用户相控阵通信系统的通道时延将会引起调制数据过零点出现偏移;再针对多通道时延不一致的情况,通过理论和仿真分析发现,如果空分处理前不进行通道间时延均衡而直接进行数字波束形成处理,会使得输出信号失真,系统误码性能恶化.     

基于Tri-training MPLS的半监督软测量模型

随着污水处理过程日趋复杂,易测量变量和难测量变量的比例严重失衡,传统的监督性软测量建模方法已经无法满足需求.针对这一问题,提出了一种新的半监督学习的软测量模型?Tri-training MPLS模型.首先将标记数据均分为相互独立的3个部分,并由这3个相互独立的标记样本子集选择置信度高的未标记样本训练模型,提高模型的预测...