基于自适应平方根UKF的微机械传感器融合航姿估计

提出一种新的基于自适应平方根UKF的微机械传感器组合姿态测量系统.该系统采用3轴微机械陀螺积分得到姿态角,采用3轴微机械加速度计测量重力矢量得到俯仰角和横滚角,分别校正俯仰漂移和横滚陀螺漂移;采用磁强计得到航向角,并与陀螺积分角度融合校正航向陀螺漂移.跑车实验结果表明,基于自适应平方根UKF算法可实时估计机动加速度干扰,并在融合滤波器中进行补偿,能够有效去除车辆机动加速度干扰,姿态角估计精度在±0.6°以内.     

分块矩阵特征值的圆盘估计

在考虑非正规性因素影响下，对分块矩阵给出了复方阵特征值的整体圆盘估计，即给出复方阵的特征值相对于对角元素算术平均值的偏离程度的估计。     

影响DOA精度因素的研究

首先对music算法进行了介绍分析，并对music算法进行了分析和完善，简要地概括出了算法进行信号源DOA估计的具体步骤．同时分析了影响music算法精度的原因，并在计算机上进行仿真研究，给出了非相关信号源DOA估计的具体的实验结果．     

基于盲信道估计的联合检测码分时分多址系统性能分析

在考察联合检测码分／时分多址（ＪＤＣＤＭＡ／ＴＤＭＡ） 系统性能的基础上,提出了基于盲信道估计的联合检测算法。改进算法去除了突发帧内的中置码,可明显提高系统的有效传码率,并且误码性能良好,因此具有一定的优势。分析了改进算法和原算法的性能差异,并给出相应的计算机模拟结果     

排队论在电力信息网络系统中的应用研究

将M/M/1模型与网络通信处理过程进行了建模分析比较,得出了服务时间、发送速率、接收缓冲区的大小之间的数学关系.在此基础上,结合电力信息网络对网络带宽的要求,提出了基于排队论和服务质量的网络带宽估算方法,并以IP电话为例,给出了详细的计算过程.该方法能在对应用系统进行详细分类的基础上,利用M/M/1排队模型,直观、准确地估算出主干网络带宽.该方法适用于电力信息网络系统各种主干网带宽估算,对电力信息化建设具有指导意义.     

基于压缩感知的OFDM稀疏信道估计导频图案设计

针对OFDM系统基于压缩感知的频率选择性衰落信道估计,提出了一种基于压缩感知测量矩阵互相关最小的导频设计准则.仿真结果表明,与使用其他导频图案相比,使用此准则设计出的导频图案使信道估计均方误差和系统的误比特率更小.     

基于自抗扰控制技术的电子节气门控制

为解决传统线性控制器无法满足汽车电子节气门控制要求的问题,利用自抗扰控制技术进行了电子节气门非线性控制器研究。首先根据博世公司的电子节气门性能指标,给出了参考过渡过程和采样时间的选取准则;然后通过将建模误差等不确定性看作加性外部扰动,利用扩张状态观测器实时估计出作用于系统的扰动总和,并给予补偿。仿真表明,基于自抗扰控制技术的控制方法能够很好地实现电子节气门的快速跟踪控制,而且具有较强的鲁棒性。     

被动合成阵列极大似然参数估计的快速方法

针对被动合成阵列的极大似然目标参数估计方法(pasaML)计算量大的问题,探索利用Markov Monte Carlo(MCMC)类方法降低计算量.将完备抽样方法(PS)与pasaML方法相结合,提出一种基于完备抽样的频率一方位联合估计新方(PS-pasaML)来联合估计多个目标的频率和方位.首先将pasaML方法的谱函数视为频率和方位的联合概率密度函数,构造并证明了具有单调保偏序性质的更新函数,然后产生2条Markov链的初始方位角向量,使用更新函数确定Markov链在状态空间中的转移方向,并通过在全局状态空间和局部状态空间之间的跳转抽样来提高运算速度,最后由融合时间判决Markov链的平稳性,对其求期望从而获得目标方位的最终估计.仿真实验表明,在目标个数较少时,PS-pasaML方法不仅保持了pasaML方法的高分辨能力,而且计算复杂度降低为pasaML方法的1/7左右.     

动态调节模型的最小二乘迭代辨识方法

为了改进参数估计精度,利用递阶辨识的交互估计理论,提出了辨识动态调节模型的最小二乘迭代辨识方法。其基本思想是:在每步迭代计算中,将信息向量中或信息矩阵中不可测噪声项用其估计值代替,而噪声估计值又是用前一次迭代参数估计进行计算的,二者执行了一个递阶计算过程。与流行的递推广义最小二乘算法相比,提出的迭代算法在每一步计算中,同时利用了系统所有量测数据信息,因而具有更高的参数估计精度和更快的收敛速度。进行了仿真计算。     

一种多目标优化问题的混合优化算法

利用分布估计算法(EDA)的全局搜索性能及差分进化(DE)算法的局部优化能力,提出了一种多目标优化问题的混合智能求解方法DE-EDA.DE-EDA的子代个体由两部分构成,一部分按差分进化算法生成,另一部分则是通过对分布估计算法的概率模型进行随机采样生成.利用模拟退火技术在线调整尺度因子Pr,即在进化的初期选择较大的Pr,以保证EDA起主导作用,由EDA引导DE搜索向Pareto前端,增加全局搜索能力,然后在进化的过程中逐渐降低Pr,使得DE逐渐占据主导作用,确保解精确收敛到Pareto前端.通过4组基准函数来测试算法性能,并与NSGA-Ⅱ和DE算法进行实验比较,结果表明该方法不仅解的多样性和分布性好,而且能够有效提高种群进化的收敛速度,是一种求解多目标优化问题的有效方法.