粒子滤波进展与展望

粒子滤波器是基于序贯M onte Carlo仿真方法的非线性滤波算法,本文对粒子滤波器的研究现状和研究进展做了综述,详细论述了粒子滤波原理、收敛性、应用及进展.首先在Bayes框架内分析了序贯重要性采样原理,重要性分布函数的选择,以及重采样方法,总结了粒子滤波器发展过程中的各种改进策略和新变种,讨论了粒子滤波器在各个领域的应用及进展,最后介绍了粒子方法的新发展,新动态,并对未来发展方向做了进一步的展望.  

基于FPGA的PCI接口设计

介绍一种使用PCI宏核逻辑进行的更加简单高效的PCI接口设计方法。该方法将PCI接口和PCI用户逻辑集成在一片FPGA里，可以对整个逻辑进行仿真调试，大大缩短了开发周期、提高了系统集成度和性能。重点叙述了ALTERA公司提供的32位TARGET接口宏核pci＿t32的原理和结构，分析了时序设计要点，给出了典型应用的逻辑设计框图和注意事项。  

一类未知非线性系统的智能迭代学习控制

从自适应的角度设计迭代学习控制，将神经网络引入迭代学习控制中。学习控制与自适应控制相结合，使得对网络权值的学习和跟踪控制同时进行，克服 了经典迭代学习控制的一些缺陷。基于Lyapunov直接方法，证明了整个控制系统的稳定并实现了任意精度的跟踪。实例仿真结果说明了算法 的有效性及其所具有的优点。  

基于CPLD的自动门控电源的电路设计

本文介绍了像增强器使用的自动门控电源的电路设计,重点介绍了自动亮度控制(ABC)反馈回路的实现.同时给出了相关的直流放大电路、ADC电路原理图.其中ABC反馈回路采用CPLD实现,能够精确地控制脉宽大小,使其与输入光的强度保持良好的线性关系,很好地满足了设计要求.  

基于粒子滤波和似然比的联合检测与跟踪

针对低信噪比下幅值波动的弱目标跟踪问题,提出一种基于粒子滤波和Bayes似然比方法的联合检测和跟踪算法.该方法直接利用传感器的原始数据,以Bayes似然比作为目标检测的判决准则,利用粒子滤波器获得状态的后验概率分布,同时实现对目标的检测与跟踪.仿真结果表明了算法的有效性.  

基于嵌入式技术的视频监控系统的设计

介绍了一种嵌入式网络视频监控系统,详细阐述了系统的总体结构和特点、硬件的基本框架及各部分功能、软件的结构及流程。  

一类非线性系统基于Backstepping的自适应鲁棒神经网络控制

针对一类未知非线性系统提出了一种基于Backstepping的自适应神经网络控制方法, 放松了满足匹配条件, 要求神经网络逼近误差的边界已知等一些限制性的假设. 扩展了自适应backstepping和自适应神经控制的适用范围, 整个闭环系统表明是最终一致有界的, 跟踪误差收敛于原点的一个大小可调的邻域.  

传感器网络下机动目标动态协同跟踪算法

对传感器网络下的机动目标跟踪问题提出一种分布式传感器节点动态分簇、协同跟踪算法. 通过在线优化目标跟踪的性能函数和通讯代价, 自适应地选择节点并动态分簇, 通过多传感器节点的协同感知以及信息融合提高了跟踪精度. 由于问题的非线性和传感器节点的随机性, 本文基于粒子滤波器在线预测和估计目标状态的概率分布, 使用混合高斯粒子滤波器以及选择最短路径用于传感器节点之间的信息交换节约了通讯能量, 通过一种有效的粒子方法逼近目标状态的预测方差以实现传感器节点的最优选择. 仿真结果表明, 与 IDSQ 算法相比较, 本文提出的动态分簇算法实现了对机动目标的高精度跟踪.  

基于Monte Carlo方法的自适应多模型诊断

多模型混合系统的模型切换服从有限状态的Markov链,其转移概率通常假定是已知的.当模型转移概率未知的时候,本文基于Monte Carlo粒子滤波器给出了混合系统状态估计的一种自适应算法.该算法假定未知的转移概率先验分布为Dirichlet分布,首先通过采样得到一组模型序列的随机样本,利用其中状态的转移次数计算先验转移概率,使用量测信息对样本更新选择后,获得模型转移概率的一种迭代的后验估计值,同时由粒子滤波器得到系统状态和模型概率的后验估计.将该方法用于混合系统的状态监测和故障诊断,仿真结果表明了算法的有效性.