基于Hilbert-Huang变换的大气电场分析及雷电预警方法研究

利用Hilbert-Huang变换(HHT)对2018年至2019年重庆北碚站大气电场资料进行分析,对比两种天气条件下的大气电场振荡特征.结果表明,晴天大气电场总体为均匀但有波动的状态,信号幅值较小,信号的大部分能量分布于低频振荡部分;雷暴天气大气电场高频率分量与低频率分量的能量比有显著提升,整体的振幅和频率相对晴天明...     

雷电临近预警系统设计

为全面提升重点资源地域的防雷安全水平,有效防御和减少雷电灾害和公共安全的危害,根据重点资源地域防雷现状和需求,本着“预防为主、安全第一、科学合理、统筹兼顾”的原则,开展雷电预警系统和雷电灾害防护体系的二大体系的建设,可有效防御和减少雷电灾害,提重点资源地域雷电灾害防御能力和安全管理水平。本研究建立了一套广域网局部雷暴云、闪电预警系统,雷电临近预警系统,能够及时、准确地预报当地雷击活动情况,对处在工作状态的易燃易爆场所、人员高度集中场所提供预警信息,使工作人员能够有充分的时间施加防范措施,减少危害的发生。     

基于模糊聚类和卡尔曼滤波方法的模糊辨识*

本文提出一种通用的基于模糊聚类和卡尔曼滤波方法的模糊辨识方法。模糊聚类方法在给定的广义目标下按线性簇对被辨识的样本数据进行聚类，这样使得被辨识模型可用基干局部线性模型表示，然后，利用卡尔曼滤波方法拟合这些线性模型。本文给出了详细的模糊辨识算法。为了验证该辨识方法的有效性，本文最后给出了熟知的Ｂｏｘ－Ｊｅｎｋｉｎｓ数据的辨识结果。     

基于模糊识别与聚类的企业危机预警模型设计

针对企业危机等级分类与识别问题,建立了模糊环境下的日标判别函数．提出了求解不同危机等级的最优模糊聚类中心、最优模糊识别矩阵与最优指标权重的3种模型表达式和相应求解算法．最后用实例验证了该方法的可行性和有效性。     

基于模糊聚类和卡尔曼滤波的运动目标检测

提出了一种基于模糊聚类和卡尔曼滤波的多运动目标检测的技术,并将其应用于车辆的检测与跟踪。文中采用了改进的模糊C均值聚类算法,对隶属度矩阵进行了修正,加快了聚类的收敛速度;然后,运用了卡尔曼滤波对运动目标进行运动轨迹跟踪,根据视频序列的实际情况构造了相应的状态方程以及增益矩阵,对多个运动目标同时进行独立跟踪,减少了目标搜索的盲目性,提高了跟踪的可靠性和效率。     

场磨式电场仪在雷电预警中的研究与应用

场磨式电场仪是一种新型雷电探测装置.它利用导体在电场中产生感应电荷的原理,通过感生电荷的变化检验空间电场的强度,而根据空间电场及其变化能反映出雷暴云的生成和发展,从而通过电场监测对雷电进行预警.电场仪采用了新型的双定子结构以及独特的电路设计,有效地屏蔽了空中积累电荷以及周围空间离子流对测量的影响.在实际雷电预警系统的电场测试中,该电场仪表现出输出信号与电场强度的预期相符的实验结果.证明了场磨式电场仪在雷电预警中应用的可行性.     

基于Hadoop的高校学生行为预警决策系统研究

通过智慧校园各种智能终端、可感知设备,获取学生校园动态行为轨迹数据,构建多维数据存储中心。利用Hadoop框架分布式文件系统HDFS和MapReduce,将多维数据进行关联、分类、降维、聚类分析与可视化呈现。使学生特征标签化,生成基于特征矩阵的学生画像,从而分离出偏离中心点的学生异常,建立动态的预警决策机制,从而进行前置预警和智慧决策;使高校管理机构及教师主动掌握学生的生活情况、学习状态及行为规律,从而对不良思想行为做到事先警示教育、事后跟踪管理,实现以学生为视角的智能管控及智慧管理。基于Hadoop的预警决策系统,开创了智慧校园教育管理决策科学化、管理智能化、监督过程化的新模式,具有较高的经济效益与推广应用价值。     

基于海洋综合观测平台的海洋智能预警的研究

在海洋综合观测平台上,提出一种基于模糊聚类的海洋灾害预警。该系统能对海洋监测的大量异构数据进行融合聚类,及时、准确地跟踪和反映海洋环境监测要素的变化状况,为管理决策者提供可靠的数据信息、科学的预报和预警信息,有助于我国海洋环境资源的保护、开发及利用。     

基于网格的雷暴识别与追踪技术

为实现对雷暴发展情况的实时监控,提出一种利用云地闪监测数据来评估雷暴覆盖范围并追踪雷暴发展和移动的模型.使用固定大小的网格去覆盖在某个时间段内发生云地闪的区域,使用一种广度优先的搜索算法对这些网格进行聚类;对于两个连读时间段内的聚类结果,采用地闪数据重叠法对相邻时间段内的聚类进行匹配,对雷暴进行追踪.通过在云地闪监测数据上的实验验证了该模型对雷暴识别和追踪的有效性.     

基于改进自适应卡尔曼滤波的电力大负荷预测与计费研究

电力大负荷预测是电力公司进行高效电力系统规划和运行的重要基础;为了提高电力负荷预测精度进而更加有效地估计电力计量与计费,创新地提出了一种基于改进的自适应卡尔曼滤波(AKF)的电力大负荷计量计费预估方法;分析了电力负荷预测研究现状,针对传统卡尔曼滤波算法不足,引入自适应遗忘因子对卡尔曼滤波算法进行改进,建立数学模型、整定因子调整模型关键参数,得到电力大负荷数据的预测值,最终通过计量计费转换公式得用电量以及电费计量预估值;仿真结果表明：基于AEKF的电力大负荷计量预测方法的负荷预测结果与实际结果误差小于1.35%,电力计费预测结果与实际结果相对误差小于1.263%;应用实例证明：基于AEKF的电力大负荷计量计费预估方法,能够提高电力公司的调度效率12%,增加电费营收5.3%～12.2%。     

基于最大熵的经济预警研究

经济预警通过对经济发展趋势进行综合的判断,可以辅助人工决策。然而在实际经济预警中,经常出现多值警度难于方便处理以及某些经济指标的数据无法搜集完全的问题,这也是经济预警当前面临的主要问题。本文将最大熵方法引入经济预警,认为在对预警警度的所有相容的预测中,熵最大的预测出现的概率占绝对优势,以此通过特征补偿的方法有效处理了经济预警中经济数据缺失的问题,并通过计算各个警度出现的概率解决多值经济警度问题;同时,此方法无须满足特征独立性假设,训练速度快。最后,通过实验验证了该方法的有效性和高效性     

混合式自适应Kalman滤波算法

采用虚拟噪声补偿模型误差和有偏的噪声方差估值器、滤波器收敛性判据相结合的方法来解决自适应Kalman滤波发散的问题。首先若模型不准确,则引入虚拟噪声对模型误差进行虚拟补偿,然后采用有偏的噪声方差估值器、滤波器收敛性判据对噪声方差估计值进行监控,阻止滤波器发散。采用混合式自适应Kalman滤波算法对Gill公司的风向风速仪实时采集的数据进行处理,实验结果表明,该方法能有效的提高性能、抑制滤波发散,具有较强的实用性、自适应能力。     

基于混合卡尔曼滤波的组合导航算法研究

建立了精确制导炸弹MINS/GPS组合导航数学模型.针对扩展卡尔曼滤波存在的问题,研究了非线性滤波,提出了一种新的滤波算法——混合卡尔曼粒子滤波,并应用于组合导航系统定位.仿真结果表明：混合卡尔曼粒子滤波能有效提高组合导航系统的精度和可靠性.     

基于Kalman滤波的车位侧方距离修正方法

通常车位识别技术通过超声波传感器获取侧方障碍物位置信息来判断车位边缘,由于测量时超声波传感器与障碍物形成波束角的跳变,及其本身的固有特性会带来随机噪声,导致不能直接得到状态变量的真实精确值。通过建立合适的距离修正系统状态方程和观测方程,采用Kalman滤波算法,由 k-1 时刻的超声波传感器测量值与随机噪声获得该时刻的协方差,并与测量噪声计算获得 k 时刻的Kalman增益,再结合k 时刻的超声波传感器测量值与观测方程得到k+1时刻的距离修正值。仿真结果表明,经过150次迭代计算后的绝对误差为1.575cm,平均修正时间仅需0.028s。该方法可有效降低了随机噪声干扰,具有良好的准确性和实时性,滤波测量距离修正值更加逼近真实值。     

运用聚类方法的分层采样粒子滤波算法

针对跟踪过程中运动目标形态不断变化及跟踪不精确导致鲁棒性差的问题,提出了一种运用聚类方法的分层采样粒子滤波算法。通过分层采样把采样空间分成多个部分,使采样点集中于被采样概率密度函数值大的部分,采样误差降低到了原算法的一半;聚类方法利用权重实现合理分配粒子,使粒子的多样性得到保持,因而粒子跟踪的精度得到了提高。实验结果表明,所提算法的跟踪误差不到原算法的一半,每个仿真时间里稳定性都有加强,而且跟踪精度也有所提高。     

基于改进扩展卡尔曼滤波的单站无源定位算法

为了提高单站无源定位精度,降低定位误差,针对扩展卡尔曼滤波算法存在的不足,提出一种基于改进扩展卡尔曼滤波算法的单站无源定位方法。首先通过采集目标的相关信息,构建单站无源定位数学模型,然后利用改进扩展卡尔曼滤波算法目标位置进行估计,最后采用数据进行仿真对比实验。结果表明,相对于扩展卡尔曼滤波算法,改进扩展卡尔曼滤波提高了目标定位的精度,削弱异常误差对位置估值的影响。     

基于容积卡尔曼滤波的异类多传感器一致性融合算法

针对单一光频传感器获取目标特征信息存在的不一致性,提出一种基于容积卡尔曼滤波的异类多传感器一致性融合方法。首先,从原理上分析了激光、红外与雷达三类传感器量测信息的特征及其存在的差异,进而在容积卡尔曼滤波框架下,针对雷达、红外和激光探测等组成的典型目标侦测系统,结合一致性融合策略,通过对目标距离和方位信息融合处理改善目标状态估计精度。仿真结果表明：相对于传统的单传感器滤波方法,所提出的融合方法和策略具有较好的滤波性能。     

基于自适应扩展kalman滤波的SINS/GPS深组合研究

针对SINS/GPS组合导航系统噪声随时间变化引起卡尔曼滤波精度下降的问题,提出了一种噪声统计特性在线估计的自适应扩展卡尔曼滤波算法。算法首先基于新息序列实现了对观测噪声协方差的实时估计,然后基于系统方程采用协方差匹配算法完成了对过程噪声的实时跟踪。算法中尺度因子的引入进一步减小了泰勒展开造成的高阶截断误差,提高了滤波精度。仿真实验结果说明,与传统卡尔曼滤波算法相比,该算法能够实现对过程和观测噪声的完全估计,鲁棒性和精度都有明显提高。     

基于卡尔曼滤波的航姿参考系统设计

针对传统的航姿参考系统AHRS（Attitude and Heading Reference System）中姿态角精度不高的问题,设计了一种新型的基于卡尔曼滤波的姿态检测系统。该系统采用了三轴磁传感器、三轴陀螺仪及三轴加速度计,用四元数的方法来描述载体运动的姿态,通过陀螺仪测姿态四元数,卡尔曼滤波算法融合加速度计和磁传感器数据,对姿态四元数进行修正,从而提高姿态解算精度。实验数据表明,系统能够较好修正陀螺仪漂移,且三个角度的均方根误差均优于0.25°,具有良好的噪声抑制能力。