基于灰色模型的改进粒子滤波算法

混合动态系统的估计问题其本质是利用观测值进行滤波,本文首先描述了基于贝叶斯理论粒子滤波算法,该算法可应用于非线性、非高斯系统中。针对粒子的退化和贫乏问题,并提出了基于灰色模型的改进算法。灰色系统理论可以对小样本空间进行建模预测,它对样本有无规律没有严格的要求,不要求知道样本是何种分布。数字仿真对算法进行了检验,表明按照改进的采样方法有效的遏制粒子退化和贫乏。     

基于清浊音状态空间模型语音增强算法

基于语音状态模型的语音增强算法是当前语音信号处理的研究热点。把通常的LPC语音模型修正后,将得到两个语音模型:时变AR模型、时变双AR模型。但是利用这些模型增强语音时,都没有考虑到语音的清音、浊音区别。为此本文引入了语音清浊音状态空间模型,这种模型在描述语音方面比时变AR模型、时变双AR模型要强,而且物理含义明显。同时在用含噪语音信号预测纯净语音信号时,引入遗忘因子和粒子滤波算法以降低计算复杂性,减小运算量。实验证明,增强后的语音信号信噪比有一定提高,且优于传统的LPC模型。     

状态空间模型基于正交梯度搜索的预报误差辨识

提出状态空间模型的正交梯度搜索的预报误差辨识方法.通过极小化输出预报误差而获得系统的参数估计,提出了在观测等价类相切面正交子空间进行参数更新的实现方法,从而解决了全参数化引起的状态空间模型参数非唯一性问题;给出了融合预报误差局部线性逼近性能的正则化因子自适应确定方法,揭示了算法复杂度与系统的能控性、能观测性的内在联系.仿真结果验证了所提出方法的有效性.     

基于自调整粒子滤波的组合导航方法研究

在非线性模型非高斯噪声条件下,标准粒子滤波在组合系统的观测精度较低时能取得较好的滤波效果,但在高观测精度情况下会导致滤波发散。该文针对这一问题,提出一种自调整粒子滤波方法,根据观测噪声的统计大小,自适应调整似然分布的形状,使之与先验分布重叠的区域更大,有效提高滤波稳定性。将自调整粒子滤波算法应用到组合导航系统中,并在非高斯噪声、观测信息由低观测精度跳变到高观测精度条件下进行了仿真研究,结果表明,该自调整粒子滤波算法在组合导航系统具有高观测精度的情况下依然保持了滤波精度和稳定性。     

基于延误波及的航班延误状态空间模型

为了将动态数据驱动的方法用于航班延误实时预测,在对单机多任务延误事件中的航班延误波及影响进行分析的基础上,创建了一种航班延误状态空间模型来表示延误状态之间、延误状态与随机延误之间的关系,并对其中的随机延误变量进行了重点建模.在历史航班运行数据集上,采用最大期望算法对模型参数进行了最大似然估计,并在不同概率区间上对模型实例进行了检验.检验结果表明,所提出的航班延误状态空间模型具有较好的泛化能力.     

多模型粒子滤波的故障诊断方法研究

近年来,非线性非高斯系统的故障诊断问题一直是热点问题也是研究难点.针对非线性非高斯系统的故障检测与定位问题,运用基于粒子滤波( Particle Filter)的似然概率密度函数值的方法来检测系统故障,在检测到故障发生时,运用多模型方法与粒子滤波相结合,进行故障定位,从而进一步改善故障诊断的效果.仿真结果表明,该方法可以对非线性系统进行快速、准确的故障诊断.     

制造企业自组织模型研究

组织机构扁平化,动态企业以及虚拟企业组织模型是企业组织模型研究的重要内容,本文分析了企业的组织和运行过程,提出了企业内部面向工作流的组织模型--企业自组织模型(ESM),并描述了其机理、结构、最优组织目标决策模型和特点.     

多变量系统状态空间模型的递阶辨识

研究多变量系统状态空间模型的递阶辨识问题,推广了作者提出的标量系统状态和参数联合辨识算法.当状态可量测时,利用最小二乘原理直接辨识状态空间模型的参数矩阵;当状态不可测时,利用递阶辨识原理提出了状态空间模型递阶辨识方法,使用系统输入输出数据来估计系统的未知状态和参数.状态空间模型递阶辨识方法分为两步:首先假设系统状态是已知的(即参数估计算法中的未知系统状态用其估计代替),基于状态估计和系统输入输出数据递归计算系统参数估计;然后基于系统输入输出数据和获得的参数估计,递归计算系统的状态估计.     

基于SRCKF 的自适应高斯和状态滤波算法

针对非线性非高斯离散动态系统中的状态估计问题,基于高斯和递推关系,提出一种高斯和状态估计算法GSSRCKF.首先将状态噪声、观测噪声及滤波初值均表示为高斯和的形式,以平方根容积卡尔曼滤波为子滤波器分别估计各高斯子项对应的系统状态;然后结合各子项对应的权值实现全局估计;最后设计高斯子项对应权值的自适应策略,并采用约简控制法降低计算复杂度.仿真结果验证了所提出的算法在滤波稳定性方面的优越性.     

状态空间搜索算法的进一步探索

主要讨论了BFS、DFS、A＊算法在状态空间搜索中的应用并且给出其在Mathematics下实现。在Mathematics中根据节点数据绘制出节点分布图,分别使用BFS、DFS、A＊搜索对给定的源点和目标点之间的路径进行搜索,并比较得到的路径耗散数据,说明引入启发式函数对搜索效率的影响。     

多智体系统中约简状态空间的限界模型检测算法

为了形式化描述多智体系统中与概率、实时、知识相关的性质,提出了一种概率实时认知逻辑PTCTLK.模型检测是验证多智体系统是否满足PTCTLK公式的主要技术,状态空间爆炸是该技术实用化的主要瓶颈,为此提出一种PTCTLK的限界模型检测算法.其基本思想是,在有限的局部可达空间中逐步搜索属性成立的证据,从而达到约简状态空间的目的.首先,将PTCTLK的模型检测问题转换为无实时算子的PBTLK的模型检测问题;其次,定义PBTLK的限界语义,并证明其正确性;然后,设计基于线性方程组求解的限界模型检测算法;最后,依据概率度量的演化规律,探索检测过程终止的判别准则.实例研究结果表明,与无界模型检测相比,在属性为真的证据较短的情况下,限界模型检测完成验证所需空间更小.     

基于状态空间模型的智能优化算法及其应用

针对城市公共交通系统中公交优化调度问题的具体特征,提出一种基于状态空间模型的实数编码智能优化算法(SIA)。SIA引入遗传算法(GA)的基本理念。通过构造状态进化矩阵来指导算法的搜索方向,再通过选种池的优胜劣汰的选择机理来实现算法朝最优解逼近。将该算法与GA分别应用到公交优化调度问题中,考虑发车时间间隔的约束,建立以企业和乘客的利益最大化为目标的数学模型。实例仿真结果表明,SIA在寻优精度和计算量方面优于GA,验证了该算法的有效性。     

自校正状态估计新算法

本文运用现代时间序列分析＾［１］的观点处理性离散时间系统自校正最优状态估计。运用新息理论和射影方法本文提出了一种新型最优滤器，在噪声统计未各时基于辨识ＡＲＭＡ新自模型提出了自校正滤波器，仿真例子说明新算法的效性。     

基于高维状态空间方法构建金融市场网络模型

针对金融市场的核心变量--收益率和波动率，基于高维状态空间模型，利用EM和稀疏算法，分别建立了金融产品之间的收益率网络和波动率网络。前者刻画了金融产品收益之间的相互关系，后者刻画了金融产品风险之间的关系。相对于已有模型，上述模型可有效处理高维时间序列数据。对深圳、上海、香港和纽约市场的股票交易数据分析，找出了相应网络结构特征。以上市场的数据分析结果表明，相对于波动率网络，收益率网络具有更高的度数中心势，把这种现象归因于政策等因素对收益率的影响更为直接和简单，而对波动率的影响则是间接和复杂的。上述研究结果也为构建多变量波动率模型提供参考。     

基于粒子滤波状态估计的滚动轴承故障识别方法

提出了一种基于粒子滤波状态估计的滚动轴承故障识别方法,该方法主要包括故障模型建立和故障识别两个步骤。在故障模型建立部分,首先依据滚动轴承不同故障状态下的振动信号,建立对应的自回归模型,作为故障模型;在故障识别部分,将正常状态下对应的模型,转化为状态空间模型,设计粒子滤波器,然后对不同的故障状态进行估计,提取其残差的相关特征,并结合模型参数特征应用BP神经网络识别算法进行故障识别。最后以美国凯斯西储大学的滚动轴承振动数据为例,验证了该方法的有效性。     

基于改进高斯混合模型的机器人运动状态估计

针对复杂环境下机器人运动状态估计的精度改善问题, 提出一种面向非线性非高斯系统的改进高斯和容积卡尔曼滤波估计方法. 首先, 引入加权信息量概念来改进期望最大化算法目标函数惩罚项, 使得在优化过程中能考虑更全面的参数信息, 以达到减少期望最大化算法的迭代次数和提高收敛速度的目的. 此外, 以基于马氏距离和Kullback-Leibler (KL)距离的高斯项合并方法为基础, 提出一种能有效联合两类高斯项合并方式的融合模式. 先单独使用马氏距离和KL距离进行高斯混合项合并, 再对获得的高斯混合项进行加权融合处理, 以改善高斯和滤波中多高斯项的合并性能和保真度. 最后, 应用非线性非高斯系统的高斯和容积卡尔曼滤波框架实现对复杂环境下机器人的运动状态估计. 理论分析与仿真结果表明, 该方法能实现对机器人运动更好的状态估计精度, 并具有更强的鲁棒性能.     

基于高斯混合模型的粒子滤波时频分析算法

根据有限高斯混合模型可以逼近任意概率分布密度函数的思想,提出了一种基于高斯混合模型的非平稳信号粒子滤波时频分析算法.本方法兼顾了算法在频率缓变时的估计精度和频率突变时的动态性能,并结合一种简化的TVAR模型,通过降低估计量维度,较大幅度地改善了计算性能,满足了对非平稳信号进行在线时频分析的要求.实测数据的时频分析试验证...     

有适应力的分布式状态估计方法

为提高智能体系统对攻击的免疫力,研究了测量攻击下的适应力分布式状态估计方法.每个智能体对系统状态进行连续的本地线性测量.由于不同智能体的本地测量模型相互异构,对系统状态可能不具有本地可观测性,且攻击者能够操控部分智能体的测量数据,随意改变其测量结果.而智能体的目标是协同处理本地测量数据,并正确估计出未知的系统状态.因此...     

基于状态空间模型的最小二乘反褶积

反褶积是石油勘探中提高地震剖面分辨率的一种十分重要的方法。本文对地震信号用状态空间模型建模,提出了适用于地震信号处理的模型阶次及初始参数估计方法。为提高估计精度,依据卡尔曼滤波的新息序列建立了二次型目标函数,通过非线性寻优较精确地估计了模型参数。仿真及应用于实际均表明本文所提方法较之传统的最小二乘反褶积提高了地震剖面分辨率。