摘要：针对量测干扰下一种异类过驱动系统中残差与干扰存在耦合关系的问题,提出一种运用空间几何方法实现残差对干扰解耦的新算法.通过设计残差生成器并实现残差对系统输入和量测干扰的解耦,由残差值反馈故障检测情况,根据不可观测子空间中的空间分割建立结构化残差集,使得残差集与故障集满足完全对应关系,完成故障的隔离.最后通过提出对比仿真算例验证了我们所提算法的可行性和有效性.

摘要：滤波器设计是系统辨识和状态估计的重要基础.卡尔曼滤波通过状态预测和量测更新的实现框架,在最小方差准则下实现对目标状态的最优估计,但在单传感器量测环境中其滤波精度易受量测噪声随机性的影响.本文提出一种基于量测提升策略的卡尔曼滤波算法实现框架,新方法依据当前时刻量测和量测噪声先验统计信息构建虚拟量测,并通过对虚拟量测采样以及融合提升系统量测信息可靠性,进而改善状态估计精度.同时,针对算法在工程应用中实时性、准确性以及鲁棒性等需求,设计了分布式加权融合和集中式一致性融合的两种实现结构.理论分析和仿真实验结果验证了算法的可行性和有效性.

摘要：目的针对投影非负矩阵分解(PNMF)不能揭示数据空间的流形几何结构和判别信息的缺点,提出一种图嵌入正则化投影非负矩阵分解(GEPNMF)人脸图像特征提取方法。方法首先构建了描述数据空间的流形几何结构和类间分离度的两个近邻图,然后采用它们的拉普拉斯矩阵设计了一个图嵌入正则项,并将该图嵌入正则项与PNMF的目标函数融合以建立GEPNMF的目标函数。由于引入了图嵌入正则项,GEPNMF求得的子空间能在保持数据空间的流形几何结构的同时,类间间距最大。此外,在GEPNMF目标函数中引入了一个正交正则项,以确保GEPNMF子空间基向量具有数据局部表示能力。最后,对求解GEPNMF目标函数的累乘更新规则(MUR)进行了详细推导,并从理论上证明了其收敛性。结果在ORL、Yale和CMU PIE人脸图像数据库上分别进行了人脸识别实验,识别率分别达到了94.00%、64.33%和98.58%。结论实验结果表明,GEPNMF提取的人脸图像特征用于人脸识别时,具有较高的识别率。

摘要：针对一类驱动系统和响应系统均存在未知干扰的混沌系统的修正函数投影滞后同步的问题,提出了一种修正函数投影滞后同步方案。基于Lyapunov稳定性定理和自适应控制方法,设计了两种响应系统,构建了自适应控制器和干扰控制强度更新规则,在系统不确定干扰未知的情况下,实现了混沌系统的修正函数投影滞后同步,干扰控制强度也可以自适应确定。最后以一个超混沌系统为例,验证了理论分析的正确性、有效性和鲁棒性。控制器设计简单实用,在保密通信等领域具有广阔的应用前景。

摘要：针对投影非负矩阵分解(PNMF)不能揭示数据流形几何结构和判别信息的问题,提出了一种图嵌入投影非负矩阵分解(GEPNMF)特征提取方法。首先分别构建了描述数据流形几何结构和类间分离度的近邻图,然后采用它们的拉普拉斯矩阵设计了一个图嵌入正则项,并将其与PNMF的目标函数融合,以构造GEPNMF的目标函数。在GEPNMF目标函数中引入了图嵌入正则项,使求得的子空间能够在保持数据流形几何结构的同时,类间间距也最大。另外,还在目标函数中引入了一个正交正则项,以确保GEPNMF子空间基向量具有数据局部表示能力。对求解GEPNMF目标函数的累乘更新规则(MUR)进行了详细的推导。在Yale和CMU PIE人脸数据库上的实验结果表明,提出的图嵌入投影非负矩阵分解特征提取方法比PNMF更适用于解决分类问题。

摘要：针对多传感器量测下非线性系统故障诊断问题,给出了一种基于多传感器粒子权重优化的序贯最大似然比检验——故障诊断(SMLR-MWOPF)算法。首先,为改善量测随机噪声对粒子权重度量稳定性不良影响,结合多源信息融合技术实现对多传感器量测中冗余和互补信息的提取和利用,设计一种粒子权重优化策略;通过减小粒子权重方差以改善粒子权重的可靠性和稳定性,进而实现滤波器估计精度的提升。其次,结合序贯概率比检验(SPRT)和交互式多模型(IMM)框架构建了一种基于残差检测的在线序贯最大似然比检验方法;另外,在结构上合理简化输入交互和输出交互环节,以降低粒子滤波(PF)在IMM模型结构实现中的计算复杂度。理论分析和仿真实验验证了算法的可行性和有效性。

摘要：集合卡尔曼滤波是近年来发展起来的一种处理非线性系统估计的有效解决方法.针对标准集合卡尔曼滤波实现过程中,量测噪声不确定导致自举量测采样出现一致性偏差问题,提出了一种基于Metropolis-Hastings采样的多传感器集合卡尔曼滤波算法.首先,结合多传感器量测系统的物理特性和集合卡尔曼滤波中自举量测生成机理,构建多传感器条件下自举量测集合.其次,通过对多传感器自举量测似然度求解以及在量测接受概率函数合理设计基础上,利用Metropolis-Hastings采样策略实现有效量测的确认.新算法通过对多传感器量测中冗余和互补信息的提取与利用实现对一致性偏差的修正,进一步改善被估计系统状态的滤波精度.理论分析和仿真实验结果验证了算法的可行性和有效性.

摘要：针对线性系统中系统误差对状态估计精度造成的不利影响,在卡尔曼滤波算法框架下提出一种基于系统误差和状态联合估计的目标跟踪算法。在算法实现过程中,首先定量分析了系统误差对目标状态估计及其估计误差协方差矩阵的影响,进而结合状态扩维技术构建系统误差配准的实现过程,最终依据标准卡尔曼滤波迭代流程设计了算法实现步骤。仿真实验结果表明:在系统误差恒定和时变两种情况下,新算法在系统误差配准和状态估计上具有可行性和有效性。

摘要：研究认知无线电(CR)网络环境下的稳健发射波束形成问题,以期在信道状态信息(CSI)存在误差时满足一级用户(PU)干扰温度约束和二级用户(SU)信干噪比(SINR)约束,该发射波束的设计目标为发射天线子集最小化和发射功率最小化的联合自适应。用伯恩斯坦型不等式将信道状态信息误差的非封闭形式概率约束转化为线性矩阵不等式,进一步通过引入?0范数的?1范数逼近,将目标函数非凸优化松弛为凸问题,并通过迭代重新加权算法求解。仿真结果表明,该方法以少量增加传输功率为代价减少了发射天线的数量,节约了基站成本。

摘要：在机动目标跟踪中,用于模型辨识和状态估计的非线性滤波器的合理选择和优化是提升滤波精度的关键.融合量测迭代更新集合卡尔曼滤波和交互式多模型(interacting multiple models,IMM)方法,本文提出了基于量测迭代更新集合卡尔曼滤波的机动目标跟踪算法.通过迭代更新思想的引入构建了一种量测迭代更新下集合卡尔曼滤波的实现结构,并将其作为IMM的模型滤波器实现对于目标运动模式和状态的辨识与估计.针对算法结合过程中滤波精度和计算量的平衡,设计了用于输入交互环节的状态估计样本,同时简化输入交互环节和输出交互环节中滤波误差协方差矩阵的交互过程.理论分析和仿真结果验证了算法的可行性和有效性.