基于新息的最小方差对偶控制

针对参数未知且随机变化的系统的最小方差控制问题，提出了基于新息的最小方差对偶控制策略，将系统参数随机变化的最小方差控制问题转化为多个基于新息的单步控制问题，利用卡尔曼滤波对参数进行估计，每步仅需求解一个非常简单的优控制问题，然后把控制加入系统，根据系统的输出获得新息，再重复卡尔曼滤波，最终可实现最小方差控制。仿真结果表明，该控制器具有对偶作用，一方面通过学习可消除系统参数的不确定性，另一方面可使系统输出稳定在期望输出值上，从而能够获得较好的参数辩识结果与良好的控制目标。     

基于高阶统计量的自适应盲源分离算法

提出了一种新的自适应盲源分离算法，在无噪音实时两源两传感器的情况下，一旦观测信号被白化，只需要辨识一个特定的旋转矩阵就可以完成盲源分离，并给出了能表征该旋转矩阵的角的自适应估计器，仿真结果表明，当满足源峭度和不为零的条件时，这种方法是一种稳定的和有效的分离算法。