基于多传感器信息融合的水下运动体速度测量

针对水下运动体测速中存在的难度大、精度低等问题,提出一种基于加速度计和机械测速装置的融合测速方法。该方法实质上是一种改良的模糊自适应卡尔曼滤波,在常规卡尔曼滤波的基础上,引入了自适应参数,并通过模糊控制器对残差的监控来实时调整自适应参数。经Matlab仿真和实际试验证实:该方法可以有效地提高卡尔曼滤波器的跟踪性,并改善滤波效果,适用于通用的水下运动体测速。     

碳黑水分离技术的研究

脱油沥青作为谢尔气化工艺的气化原料生产化肥在国内尚属首次,由于沥青原料中的灰分和重金属比渣油原料大得多,若仍采用石脑油萃取碳黑技术,灰分和重金属随碳黑返回气化装置,将造成设备的堵塞、磨损,无法保证设备安稳长期运行.通过对碳黑水分离技术进行多方面的研究,寻找到适宜的工艺路线与解决方案.     

基于偏最小二乘分析的双模粒子滤波目标跟踪

针对在复杂背景下,基于主成分分析(PCA)的目标跟踪方法准确率较低的问题,使用偏最小二乘分析,提出一种双模粒子滤波的跟踪算法.首先采用偏最小二乘分析对目标区域建模,作为观测模型;然后利用仿射变换描述目标的形变过程,分别在李群及其切向量空间上建立双模的动态模型;最后结合特征空间更新策略,使用粒子滤波实现目标跟踪.实验表明,所提出的算法能够有效滤除背景噪声,跟踪结果稳定且准确.     

基于线性约束最小方差的全球定位系统抗干扰技术

针对全球定位系统（ GPS）接收机在强宽带干扰下无法正常工作的情况,采用自适应调零天线,利用信号和干扰的入射空间角度不同进行空域滤波,可提高其抗干扰能力。理论分析和仿真结果表明,基于线性约束最小方差（ LCMV）准则的自适应滤波算法简单有效,在牺牲一个干扰抑制自由度的条件下,可对高仰角卫星导航信号进行较好的保护。     

小型无人机机载两轴云台设计与实现

针对小型无人机功率和载荷有限这一特点,本文设计了一套小型无人机机载两轴云台,采用集成了三轴陀螺仪、三轴加速度计MPU6050作为云台姿态反馈元件,使用互补滤波进行姿态解算。由于传统小型无人机的云台采用伺服舵机作为驱动电机,舵机内部减速齿轮的回滞误差会导致拍摄画面晃动,因此采用无刷电机直接驱动云台。为了测试该系统的有效性,通过小型四旋翼挂载该两轴云台拍摄实验,实验结果表明该云台使拍摄画质更加平稳,验证了该系统的有效性。     

基于slope one算法改进评分矩阵填充的协同过滤算法研究

为解决协同过滤算法中的数据稀疏性问题,提出了一种改进的协同过滤算法。该算法使用slope one算法计算出来的评分预测值来填充评分矩阵中的未评分项目,然后在填充后的用户-项目评分矩阵上通过基于用户的协同过滤方法给出推荐。利用slope one算法计算出来的评分预测值作为回填值,既能降低评分矩阵的稀疏性,也保证了回填值的多样性,从而减少均值、中值等单一填充值造成的推荐误差。在MovieLens-1M数据集上对本文改进算法和协同过滤算法及均值中心化处理的算法作五折交叉实验,结果表明,基于评分预测值填充数据后的协同过滤算法有效的缓解了数据稀疏性问题,并且有更好的推荐效果。     

融合协同过滤的线性回归推荐算法

针对传统协同过滤算法中存在数据稀疏问题,提出融合协同过滤的线性回归推荐算法。根据用户对项目的评分以及用户和项目自身特征,构建用户间和项目间相似矩阵。基于相似矩阵,选出用户和项目最近邻集合,分别通过基于用户和基于项目的协同过滤算法来预测用户已评分项目的评分,将预测评分与真实评分的差值作为特征,组合在一起生成新的训练数据。把新的训练数据作为线性回归模型的输入,根据训练好的模型预测未知评分,采用Top-N算法产生推荐列表。在MovieLens数据集上进行实验。实验结果表明,新算法的推荐准确性较传统协同过滤算法有显著提高。     

H∞ filtering for discrete-time systems subject to stochastic missing measurements: a decomposition approach

This paper deals with the problem of H_∞ filtering for discrete-time systems with stochastic missing measurements. A new missing measurement model is developed by decomposing the interval of the missing rate into several segments. The probability of the missing rate in each subsegment is governed by its corresponding random variables. We aim to design a linear full-order filter such that the estimation error converges to zero exponentially in the mean square with a less conservatism while the disturbance rejection attenuation is constrained to a given level by means of an H_∞ performance index. Based on Lyapunov theory, the reliable filter parameters are characterised in terms of the feasibility of a set of linear matrix inequalities. Finally, a numerical example is provided to demonstrate the effectiveness and applicability of the proposed design approach.     

A trustworthy QoS-based collaborative filtering approach for web service discovery

Many network services which process a large quantity of data and knowledge are available in the distributed network environment, and provide applications to users based on Service-Oriented Architecture (SOA) and Web services technology. Therefore, a useful web service discovery approach for data and knowledge discovery process in the complex network environment is a very significant issue. Using the traditional keyword-based search method, users find it difficult to choose the best web services from those with similar functionalities. In addition, in an untrustworthy real world environment, the QoS-based service discovery approach cannot verify the correctness of the web services’ Quality of Service (QoS) values, since such values guaranteed by a service provider are different from the real ones. This work proposes a trustworthy two-phase web service discovery mechanism based on QoS and collaborative filtering, which discovers and recommends the needed web services effectively for users in the distributed environment, and also solves the problem of services with incorrect QoS information. In the experiment, the theoretical analysis and simulation experiment results show that the proposed method can accurately recommend the needed services to users, and improve the recommendation quality.     

一种用于目标跟踪的波形自适应选择算法

提出了一种用于雷达目标跟踪的自适应广义调频波形设计算法。该算法根据跟踪器的动态需求,以广义调频信号为样板波形自适应设计下一时刻的发射波形,其目的是最小化预测的目标跟踪均方误差,并假定高信噪比条件,且目标跟踪运动模型和观测模型均为线性,利用与某一波形相对应的克拉美--罗下限（CRLB）以及卡尔曼滤波器,通过最小化预测的跟踪均方误差来实现广义调频波形的自适应设计。仿真结果表明：在信噪比相同的情况下,与使用固定参数、自适应参数的线性调频波形设计算法相比,所提出的算法能够获得更低的目标跟踪均方误差。