一种改进的α-β-γ滤波跟踪算法

α-β-γ滤波器是一种高速的目标跟踪器.该文章针对传统α-β-γ滤波跟踪精度与收 敛速度之间存在的矛盾以及由于系数固定而难以跟踪强机动性目标的局限性,设计了一种自 适应α-β-γ滤波算法,根据目标机动性的变化,利用跟踪误差调整模糊系统的输出,在保 证精度的前提下,得到自适应的系数值,使跟踪结果快速收敛,很好地解决了跟踪精度与收敛 速度之间的矛盾.仿真结果表明,在满足所要求精度的前提下,该算法跟踪机动性强的目标比传统的α-β-γ滤波算法具有更强的自适应性.     

机动目标跟踪的改进α-β算法

针对目前机动目标跟踪算法存在计算要求高的不足，提出了以增加加速度作为状态估计项的一种改进的α-β滤波算法．该算法的滤波精度和IMM算法大体相当，但运算量远远小于IMM算法,仿真实验结果表明了该算法的有效性。     

基于PSO的非线性马斯京根模型参数率定新方法

针对目前马斯京根河道洪水演进模型参数率定中所存在的线性化、求解复杂、精度差等问题,本文提出了一种基于粒子群优化(Particle Swarm Optimization,PSO)算法的非线性马斯京根模型参数率定新方法,并将其应用于称钩弯—临清段洪水演进计算中.通过与PSO线性模型、最小二乘法线性模型参数率定法洪水演算结果的对比分析,发现基于PSO算法的非线性模型精度高于两种线性模型,1960、1961和1964年三场典型洪水误差平方和分别减小了0.9%、6.2%和1.6%,表明基于PSO的非线性马斯京根模型参数率定结果更接近实际洪水的演进过程.     

隧穿问题的Numerov算法

提出了计算电子隧穿问题的一种新的数值方法，该方法适用于任意形状的一维势垒．在该方法中首先要用高精度的Numerov算法求解定态薛定谔方程，再利用所得结果计算电子透射系数．为检验算法精度，计算了电子对矩形双势垒及三角形势垒的透射系数，数值计算结果与相应的精确解对比表明，文中提出的算法具有很高的精度．     

基于PSO的非线性马斯京根模型参数率定新方法

针对目前马斯京根河道洪水演进模型参数率定中所存在的线性化、求解复杂、精度差等问题，本文提出了一种基于粒子群优化（Particle Swarm Optimization，PSO）算法的非线性马斯京根模型参数率定新方法，并将其应用于称钩弯一临清段洪水演进计算中，通过与PSO线性模型、最小二乘法线性模型参数率定法洪水演算结果的对比分析，发现基于PSO算法的非线性模型精度高于两种线性模型，1960、1961和1964年三场典型洪水误差平方和分别减小了0．9％、6．2％和1．6％，表明基于PSO的非线性马斯京根模型参数率定结果更接近实际洪水的演进过程．     

基于PSO-ABFO的负荷频率控制系统控制器设计与优化

负荷频率控制对于保障电网本身安全可靠运行有重要作用,适宜的控制器整定参数使得电网在各种随机扰动下能维持系统频率稳定和长期安全运行.针对单区域两机组电网的负荷频率控制器参优化整定问题,提出一种基于粒子群改进自适应细菌觅食优化算法(PSO-ABFO)的控制器参数整定设计方法.PSO-ABFO在标准细菌觅食算法的基础上,结合粒子群(PSO)算法思想引入全局最优、个体最优以及自适应步长,重新定义细菌的健康度并修改细菌迁移的方式,提高算法的寻优速度和寻优精度.最后,建立负荷频率控制系统(LFC)模型进行仿真试验,验证所提控制器设计与优化方法使系统动态性能显著提升.     

基于粒子群优化算法的BP神经网络在图像识别中的应用

介绍了一种采用微粒群算法与BP算法相结合的方法用于BP神经网络模型优化，来提高模型的收敛速度和精度。仿真结果表明，与BP算法相比较，PSO—BP学习算法训练的神经网络不仅训练时间明显缩短，而且其预报精度也得到了较大的提高。     

平面坐标转换的稳健总体最小二乘算法

为解决控制点坐标在原坐标系与目标坐标系中均含有误差的情况下求解模型参数的问题,对应用基于奇异值分解(SVD)与拉格朗日方法的总体最小二乘算法(TLS)建立高斯-马尔可夫(G-M)模型求解转换参数的方法进行了讨论.通过算例对TLS算法与最小二乘算法(LS)进行了比较,TLS算法较LS算法更合理.应用稳健估计的方法,解决了由于控制点含有粗差导致控制点坐标精度不等,对参数求解有影响的问题;对基于稳健估计方法的TLS迭代定权算法进行了讨论,并通过算例与其它两种算法进行了比较.基于稳健估计的TLS算法能更好的解决含有误差的控制点已知坐标对坐标系统转换影响的问题.     

采用STD总线的高压直流输电微机控制系统(Ⅱ)——控制系统软件结构及动模试验结果

本文论述了采用STD总线的HVDC微机控制系统的软件结构。基于多CPU模块化硬件结构,控制系统的软件结构也是模块化的,各软件模块配合相应的硬件模块完成专门的任务。本文在定电流和定电压调节器中尝试采用了PD—PID分离算法并获得成功,动模试验结果表明该控制系统软件是成功的,它具有快速、灵活、准确的特点。     

基于GA-BP神经网络的输油管道内腐蚀速率预测

针对BP（Back Propagation）算法的神经网络易陷入局部极小的缺点,尝试引入遗传算法（Genetic Algorithm）处理了BP神经网络的权值与阈值,并分别建立了BP和GA-BP两种不同算法的神经网络模型对输油管道腐蚀速率进行预测。对结果进行对比分析发现,GA-BP算法的神经网络预测精度要高于BP网络;GA-BP算法具有高的预测精度,其预测值与实验值相关系数为0.9863,表明该算法模型是合理可靠的。     

极坐标下卡尔曼滤波算法的研究

针对在某些情况下直角坐标系中卡尔曼滤波算法运算量较大、模型建立比较困难等缺点,提出了极坐标下的卡尔曼滤波算法。该算法选用极坐标作为滤波坐标系,建立了目标运动模型和外推方程,给出了增益阵的一种新的计算方法。仿真结果表明,提出的滤波算法在数据率较高时,滤波精度略低于直角坐标下卡尔曼滤波算法,优于自适应α－β滤波算法,但运算量明显低于直角坐标下卡尔曼滤波算法。     

三种相量算法在变压器绕组参数辨识中的应用

为了能够及时、准确地检测出由变压器绕组形变而导致的故障,需要选择一种更加精确、稳定地辨识变压器绕组参数的相量算法.对傅里叶、递推最小二乘和卡尔曼三种相量算法在变压器绕组参数辩识中的计算精度进行了理论上的分析,并且把三种算法运用于实际变压器绕组参数辨识中,进一步分析了三种算法的计算精度.对辨识结果的误差分析表明,用卡尔曼算法进行参数辨识不仅计算精度较高而且计算结果比较稳定,卡尔曼相量测量算法在变压器绕组参数辨识中的应用为准确检测变压器绕组故障提供了基础依据.     

NPC三电平逆变器SVPWM算法的研究及仿真实现

三电平逆变器是中压大功率系统的主要组成部分之一,而SVPWM算法又是其关键部分。论述了三电平空间矢量算法(SVPWM)的基本原理,阐述了其与两电平算法之间的关系。在此基础上,借鉴了两电平空间矢量算法的仿真方法,给出了在Simulink环境下三电平空间矢量算法的实现方法。最后给出了两种调制下的仿真结果,从而验证了该方法的正确性和可行性。     

粒子群优化加权灰色回归组合的卫星钟差预报

为了提高卫星钟差预报的精度和稳定度,提出了一种基于粒子群算法优化指数函数和线性函数逼近的加权灰色回归组合的自适应卫星钟差预报方法.该方法首先在建模之前考虑到卫星钟差钟跳频繁的现象,采用中位数法探测钟跳数据并将其剔除后,采用分段线性插值法将缺失的钟差数据补齐;然后考虑到卫星钟差存在系统噪声,采用三点平滑法对钟差数据进行平滑处理后,建立了以指数函数和线性函数逼近加权灰色回归组合的卫星钟差预报模型.针对模型中的精度递增因子难以确定的问题,采用粒子群优化算法对精度递增因子进行自适应寻优.最后,采用IGS服务器上发布的事后精密卫星钟差产品,并结合4种典型变化趋势的卫星钟差进行了6 h的预报试验.试验结果表明:该方法的预报性能明显优于其他几种常用模型,其6 h的平均预报精度(RMS)和稳定度(Range)相对于常用的二次多项式预报模型、灰色预报模型、修正指数曲线法预报模型和自回归滑动平均预报模型分别提高了79.10%、44.00%、80.70%、32.30%和63.10%、29.80%、77.60%、26.30%.     

一种高分辨率低杂散频率合成器的研制

提出了一种基于改进型三重调节算法的高分辨率、低杂散的频率合成方法,采用DDS AD9850研制实现了在92．1-120．499 MHz既保证信号高分辨率又能够改善其杂散指标的频率合成器．理论分析和实验结果表明,在步进100 Hz时,杂散指标优于-70 dBc,相噪指标优于-102 dBc/Hz@1 kHz．     

二阶伏特拉滤波器RLS算法改进

分析了二阶伏特拉滤波器的一种快速RLS算法,针对其存在的收敛速度与收敛精度之间的矛盾,构造了遗忘因子函数并取代该算法中的固定遗忘因子,得到改进的RLS算法。提出了遗忘因子函数的构造原则并分析了相关参数的选取方法。算例表明:改进的RLS算法能解决收敛速度与收敛精度之间的矛盾,有效地加快了收敛速度。     

一种高精度的快速求模算法

求模运算是数字信号处理中一种基本的处理步骤。文中提出一种与传统的逼近算法不同的高精度算法,利用适当容量的EPROM,这种算法可以达到很高的精度,且其处理速度很快。     

基于改进蚁群算法的有时间窗车辆路径优化

针对物流配送中的有时间窗车辆路径问题（VRPTW）,提高优化性能,提出了一种改进的最大最小蚁群算法,并引入了局部搜索策略2-opt．在客户数目给定的情况下,本算法能够得到所求VRPTW的全局较优解,与基本蚁群算法和未改进的最大最小蚁群算法比较,具有更快的收敛速度和更高的收敛精度,并可扩展到一类相关的路径优化问题中．实验结果表明,本算法对于求解VRPTW效果很明显．     

基于用户分层的多目标推荐算法

经典的推荐系统着重于推荐的准确性，随着用户多样化需求的增加，推荐结果的多样性受到越来越多的关注。推荐的精度与多样性存在冲突，传统的推荐算法往往忽略系统中的用户活跃度差异。本文提出一种基于物品评价次数的用户分层多目标推荐算法，将用户分为评价次数高、中、低三种层次，对应三种不同的算法初始化方式，为不同用户提供更合适的推荐结果。对已有基于概率的多目标进化算法的初始化方式和参数进行对比分析，获得更优的算法交叉和变异方式。实验结果验证了改进后的多目标进化算法在推荐精度和多样性方面都有更优的结果。总结出的基于用户分层的推荐方案有助于提高对不同用户的推荐效果。     

基于序贯重要采样算法的被动单站机动目标跟踪

将序贯重要采样(SIS)与交互多模型(IMM)算法相结合,提出了一种新的机动目标跟踪方法——IMM-SIS算法,并将其应用于被动单站跟踪系统,同高斯和粒子滤波器(IMM-GSPF)算法相比,其优点是不需要重采样步骤,也不会出现采样粒子的退化和贫乏现象．通过跟踪一个机动目标的仿真过程,对算法性能进行了检验,结果表明,该算法在计算速度和跟踪精度方面均优于IMM-GSPF算法,同经典的IMM-EFK算法相比,两种算法在鲁棒性和精度上都是优越的．