基于粗集规则编码的神经网络控制器设计

利用通过粗糙集产生的控制规则对神经子网络进行编码,用遗传算法独立进化每一个子网络,把进化后的子网络用改进的遗传算法通过适当连接形成最后的神经网络。利用该神经网络进行在线控制,并和PID控制效果相比较,证明了其有效性。     

双频-时频信道联合指纹优化室内定位方法

传统信道状态信息（Channel State Information, CSI）指纹定位方法存在以下难题:1）单频段或单域的CSI存在较大维度损失,指纹解译能力差;2）硬件设备的基带设计导致CSI幅度和相位失真,定位稳健性差。因此,针对当前流行的双频WiFi网卡,提出双频-时频信道联合指纹优化室内定位方法。首先通过获取双频段的CSI进行幅度和相位优化,然后从优化后的CSI中提取出双频-时频信道联合指纹。将多个样本的该指纹分别输入到定位模型进行位置候选集构造,再根据候选集合,提出可信位置选择算法,联合优化各个候选位置的核密度函数和权重,选出值得信任的位置进行加权,得到最终位置的最优估计。两个实际场景中的实验结果表明所提定位方法极大地改善了指纹解译能力,较传统方法具有更高的定位精度和稳健性。      

低复杂度二维相干分布源解耦波达方向估计方法

现有的二维相干分布源波达方向估计算法都需要一维或多维搜索,算法复杂度高,而且大部分算法都针对分布源特定的角信号分布函数设计,当分布源角信号分布函数未知或不同分布的分布源共同存在时,算法性能将严重恶化.文中利用双均匀线阵,给出了一种无需搜索的低复杂度二维相干分布源波达方向解耦估计方法及参数配对方法,适用于分布源角信号分布函数未知及不同分布的分布源共同存在的情况.仿真结果验证了算法的有效性.     

数字地图辅助的双星时差频差联合定位方法

针对双星时差、频差联合定位精度受高程误差影响较大问题,提出了一种数字地图辅助的定位方法。在推导出初始定位算法的基础上,引入三维数字地图以降低零高程假设导致的定位误差,并给出了该方法的定位误差的理论表达式,仿真结果表明了该方法的有效性。     

基于粗集理论的吊车摆控制研究

在对具有很强非线性特性的吊车摆系统进行实时采样的基础上,建立原始数据表。应用粗集理论强大的数据处理和规则约简能力并结合遗传算法,产生控制规则。设计粗糙控制器对系统进行控制,给出了实验结果和结论。另外还对常见的规则约简算法的约简结果进行了比较分析。     

基于证据理论的群指纹融合室内定位方法

室内定位的主要挑战是室内的多径传播及非平稳信道环境,传统基于信号强度指纹的单指纹室内定位方法由于受环境变化影响较大,稳健性较差且精度较低。针对此问题,提出一种基于D-S证据理论的群指纹融合高精度室内定位方法。在建库阶段,利用室内阵列信号接收模型,首先通过计算阵列接收信号的不同统计特性构建包括信号强度、协方差矩阵、信号子空间及四阶累积量组成的群指纹库,再对群指纹进行神经网络训练获取针对每种指纹的神经网络分类器;在实测阶段,把实测数据的上述4种变换输入到训练好的神经网络分类器中,最后利用D-S证据理论对神经网络分类器的分类结果进行融合,给出最终的定位结果。仿真结果证明了算法的有效性及可行性。该算法可充分发挥指纹信息的集群效应,对噪声、多径传播等具有较好的稳健性,是一种高精度的室内定位新方法。     

一种快速分布式目标波达方向估计新方法

在现有的分布式目标波达方向估计方法中,绝大部分算法需要一维或二维搜索,而在不需搜索的特征分解类算法中,其DOA估计精度又受快摄数积累的影响。文中在对分布式目标的角信号密度函数进行合理假设基础上,利用波达方向参数在超完备基空间上的稀疏表示,在单次快摄情况下即可给出分布式目标中心波达方向的快速估计,算法在分布式目标快变环境下尤为有效。仿真结果证明了方法的有效性及可行性。