基于量化新息的容积粒子滤波融合目标跟踪算法

针对现有非线性网络化目标跟踪融合算法存在的精度低和实用性差等不足,以一类带有噪声相关的非线性网络化目标跟踪系统为对象,研究基于测量新息量化策略和容积粒子滤波（Cubature particle filter,CPF）的目标跟踪融合算法. 首先,利用状态方程恒等变换和矩阵相似变换理论解除过程噪声与测量噪声以及测量噪声之间的相关性;其次,各个传感器节点采用自适应策略量化局部测量新息并将其发送到融合中心（Fusion center,FC）;随后,在集中式融合框架下采用容积粒子滤波器设计基于测量值扩维的量化融合跟踪算法,进而给出相应的顺序滤波量化融合算法,上述算法可有效解决因自适应量化引起的非高斯问题;最后,通过两个计算机仿真实验验证了所提出跟踪算法的有效性.     

直接补偿法减小A/D转换的非线性和量化失真

介绍一种由直接补偿方法来减小A/D转换量化失真和非线性误差的方法.该方法当模拟信号噪声增加时,能减小非线性失真.文中给出计算机仿真和实验测试结果.这种方法特别适用于减小高次谐波,提高A/D转换结果.     

测量噪声对数字量化误差的影响及在数字控制器中应用

介绍了计算机数字系统中的测量噪声和量化噪声,分析了测量噪声对量化误差的影响,提出了量化误差对数字控制器的影响及其解决措施。     

焊接机器人图像传感器噪声分析

焊接机器人获取焊缝的计算机视觉信息过程中,由于工件表面的反光系数,光学镜头性能的非线性,光电转换时叠加了随机噪声;信号电荷的存储、传输和输出存在暗电流等噪声;视频信号传输时存在噪声;视频信号模数转换存在量化噪声,导致获取的二维数字图像信号有一定的误差。为了减小此误差对后续的图像处理的影响,对图像传感器的图像噪声进行了分析,并得到了一个经验的图像噪声模型,实验结果表明:该模型有效且实用。     

SAR图像MAP降噪的精细研究

本文推导出基于最大后验概率(MAP)滤波的一般形式,给出不同噪声分布和真实图像先验分布条件下的MAP滤波方程.从滤波方程在特定区间上解的分布情况以及区域统计特性分类两方面分析了MAP降噪性能,由此给出了MAP滤波的阈值表达形式.最后给出合成孔径雷达(SAR)图像的MAP降噪试验以及噪声滤除能力的量化指标.为了消除噪声强度对试验结果的影响,全面反映MAP降噪性能,本文给出了降噪能力随噪声大小的动态变化关系.结果表明,真实图像的先验分布对MAP滤波性能有着直接的影响,不合理的先验分布假定会严重降低MAP滤波的降噪能力.     

改进的图像恢复张量扩散模型

受噪声的影响,图像的局部梯度特征很难被准确地估计,这影响了非线性扩散方法的滤波效果.根据影响视觉效果的2个低层次局部特征——相位一致性和梯度,提出一种各向异性张量扩散模型.首先结合梯度信息提出了极大相位一致性方向投影的散度矩阵;其次构造一种改进的张量扩散模型,并给出了相应的离散差分格式和算法流程.通过数值实验,验证了文中模型在计算效率、客观量化和视觉效果方面的有效性.     

移动机器人运动轨迹仿真

研究移动机器人运动轨迹优化控制问题,移动机器人在运动轨迹跟踪中性能指标受到各种因素的影响,如量化误差、摩擦和电机转矩脉动等非线性因素等.在移动机器人运动中,系统中的有些参数是时变的、负载扰动难以测量,所以难以建立准确的数学模型.为解决上述问题,提出建立移动机器人的运动模型,针对模型中的不确定和扰动,设计了滑模变结构控制器.对于控制器参数的确定,通过改进的粒子群算法进行优化选择.由于机器人的不完整非线性特性,在移动中受到过程系统噪声和量测噪声的影响,应用增广Kalman滤波器对有色噪声进行滤波处理.仿真和实验结果显示:优化后的Kalman滤波器的滑模控制器在移动机器人中的应用能够较好地消除系统噪声误差和量测噪声,提高轨迹跟踪控制精度.     

基于T-S模型的非线性网络控制系统的量化保成本控制

研究一类非线性网络控制系统的量化保成本控制问题．首先在考虑量化因素的影响下,基于Ｔ-Ｓ模糊模型方法建立包含时延、丢包和量化信息的新的非线性网络控制系统模型;其次运用Ｌｙａｐｕｎｏｖ稳定性理论和并行分布式补偿（ＰＤＣ）方法给出系统稳定性条件,运用锥补方法和线性矩阵不等式（ＬＭＩ）技术求解量化保成本控制器．仿真结果和横向比较结果验证了该方法的有效性．     

CMOS图像传感器噪声抑制方法研究

数码相机中的彩色成像传感器通过彩色滤波阵列（CFA）在空域经降采样获取三个颜色分量,并通过对三个颜色分量去马赛克、去噪和颜色校正等过程获得最终图像。成像过程的算法比较复杂,尤其部分过程的非线性和噪声影响促使成像过程更趋复杂。研究去马赛克算法引入的噪声及对噪声传播的影响,考虑去马赛克和去噪顺序不同对成像质量造成的影响,为了更好地理解每一步成像过程如何影响和传播噪声,对图像和噪声进行有效监测和分析,并通过MSE和s-CIELAB来衡量噪声特性,最后给出结论。     

具有数据丢包的非线性奇异脉冲系统量化控制

考虑网络传输中存在的数据丢包和信号量化问题, 研究了基于数据丢包的非线性奇异脉冲系统设量化反馈控制器的设计方法. 首先给出一般非线性奇异脉冲系统的数学描述, 并在此基础上建立相应的具有丢包的闭环量化反馈控制系统的数学模型. 其次, 根据李雅普诺夫稳定性理论, 给出了奇异脉冲系统的渐近稳定的充分条件以及量化反馈控制器的设计方法. 应用本设计方法, 可以选择满足代数矩阵不等式条件的量化反馈增益, 实现系统渐近稳定. 最后通过对Chua混沌系统仿真, 表明利用本文设计的量化控制器能够保证闭环非线性奇异脉冲系统在具有数据丢包的情况下渐近稳定.     

非线性量化小脑模型关节控制器神经网络控制器

常规小脑模型关节控制器(CMAC)神经网络采用线性均匀量化,稳态控制精度与量化级数相关,增加量化级数可提高稳态精度但会导致内存空间和计算量的增加.本文提出一种可采用幂函数、高斯、分段3种非线性量化方法的非线性量CMAC神经网络,并分析了非线性量化CMAC的收敛性,解释了非线性量化提高稳态精度的本质.面向一阶惯性环节、二阶系统、一阶时变系统及二阶时变系统,分别跟踪方波、斜坡、正弦波、三角波和加速度等输入信号,仿真验证了非线性量化CMAC神经网络控制器的有效性,给出了不同非线性量化方法的适用性.结果表明,非线性量化CMAC参数容易设定,物理意义清晰,与常规CMAC对比,其快速性和控制精度显著提高,可以有效解决实际复杂非线性时变系统的控制.     

—种基于自适应模糊神经网络的VSLMS算法及应用

本文设计了一种基于自适应模糊神经网络的变步长LMS算法，该算法采用了一种新的模糊控制规则．按照该规则改变LMS算法的步长。文章最后给出了非线性噪声抵消的仿真结果。     

基于Ｔ-Ｓ模型的非线性网络控制系统的量化保成本控制

研究一类非线性网络控制系统的量化保成本控制问题．首先在考虑量化因素的影响下,基于Ｔ-Ｓ模糊模型方法建立包含时延、丢包和量化信息的新的非线性网络控制系统模型;其次运用Ｌｙａｐｕｎｏｖ稳定性理论和并行分布式补偿（ＰＤＣ）方法给出系统稳定性条件,运用锥补方法和线性矩阵不等式（ＬＭＩ）技术求解量化保成本控制器．仿真结果和横向比较结果验证了该方法的有效性．

     

基于网络化的噪声系数测试系统设计

为了解决雷达整机级噪声系数自动测试的难题,采用非线性测试方法,用矢量信号源产生基准功率噪声,通过网络化的通信方式,实现测试的自动控制与采集.系统对引入的误差和不确定度进行讨论,并对不同状态下的基准噪声功率进行量化分析,总结推演出基于非线性系统的噪声系数测试理论算法,实现了雷达整机噪声系数的嵌入式自动测试.经过使用验证,系统测试符合设计要求,测试效率得到显著提高.     

用非等量间隔量化方式进行A/D转换

本文论述了在A/D转换过程中进行非线性校正的方法,提出了非线性量化方式。文章对非线性双斜式A/D转换作了理论分析,并给出了实用电路。该方法已用于生产实践中,对非线性传感器的线性化有较大的通用性。     

基于小波变换的图象编码中的噪声分析和优化比特分配

研究了基于小波变换的图象编码F在系统地分析了小波变换各子图象的量化噪声和恢复噪声的基础上, 提出了在给定的比特率下.使系统恢复失真达到最小的优化比特分配方案F指出了在均匀量化时各子图象量化步 长之间具有成倍的关系F模拟实验证明了该结论.并给出了满意的结果.     

有色量测噪声下的HCKF及其应用

针对高阶容积卡尔曼滤波（HCKF）算法在有色量测噪声条件下滤波精度下降的问题,提出了有色量测噪声下的HCKF算法。通过一阶马尔科夫模型将有色量测噪声进行白化,将带有色量测噪声的非线性离散随机系统转化为白噪声下的非线性时滞系统,并给出高斯域内针对非线性时滞系统的贝叶斯滤波框架。利用高阶容积准则对该滤波框架进行近似计算,进而得到有色量测噪声下的HCKF算法。将所提算法应用到机动目标跟踪系统中,仿真实验结果表明,量测噪声为白噪声时,所提算法与标准HCKF算法具有相同的估计性能;在量测噪声为有色噪声时,所提算法相比于标准HCKF具有更优的估计精度和鲁棒性。     

带宽约束下网络化控制系统的量化研究综述

为了寻求确保系统稳定性的最小比特数,针对线性网络化控制系统,综述研究量化比特个数、系统稳定性、系统噪声之间的普遍关系的一些重要结果;针对非线性网络化控制系统,回顾一般系统中有限个量化比特能确保稳定性的一些结果;并综述了系统采取一类较普遍的非线性前馈型情况下的、一些关于能确保系统稳定性的最小比特数方面的研究,并利用仿真对...     

有色噪声中非线性动态系统的BP网络辨识

前馈多层神经网络为复杂的非线性系统提供了一种极具吸引力的模型结构。本文不利用仅含一个隐层的前馈多层神经网络来拟合离散时间非线性动态系统的问题进行了探讨。由于有色噪声的存在会导致网络模型偏差产生，文中引入了一种对噪声建模的方案。借助于非线性模型检验技术，本文给出了在有色噪声存在的情况下，利用ＢＰ网络辨识离散时间非线性动态系统的一般方法，仿真结果亦表明该方法行之有效。     

基于小波变换的图象编码中的噪声分析和优化比特分配

研究了基于小波变换的图象编码。在系统地分析了小波变换各子图象的量化噪声和恢复噪声的基础上，提出了在给定的比特率下，使系统恢复失真达到最小的优化比特分配方案指出了均匀时各子图象量化步长之间具有成倍的关系。模拟实验证明了结论，并给出了满意的结果。