基于多流隐马尔可夫模型的网络信号传输过程建模

网络输入信号进入网络后,会不可避免地被网络延时污染,所以接收端得到的网络输出信号与发送端的输入信号间存在着误差,这种误差在接收端分别为事件驱动(Event-Driven)节点触发方式和时间骄动(Time-Driven)节点触发方式时分别由不同原因造成;基于多流隐马尔可夫模型(MS-HMMs)对接收端分别工作在两种节点触发方式时的网络信号传输过程进行建模,采用Viterbi算法对网络输入信号进行估计;实验结果表明该模型能够有效地实现对网络输入信号的估计.     

基于时延估计组合模型的NCS控制方法研究

在对网络传输时延的组成和特性进行分析的基础上,针对双边网络控制系统,提出了一种时延估计组合模型,并对该组合模型的有效性进行了评估。利用该模型进行网络时延估计,估计结果用来设计网络时延补偿控制器,以实际网络时延为实验数据进行了仿真实验,实验结果表明网络控制系统的动态性能有了明显改善,同时进一步证实了时延估计组合模型的有效性。     

基于延时预测的模型状态反馈网络控制方法

网络延时的存在不仅会使控制系统的动、静态性能变差,还可能会破坏系统的稳定性,造成既有控制方法的失效。针对带有随机延时的网络控制系统,提出了一种基于网络延时实时预测和系统状态逼近的控制方法。首先,建立无延时的理想控制系统模型作为标准控制系统模型;其次,应用基于隐马尔可夫模型(HMMs)的延时预测算法预测网络延时,该方法能够实时自适应学习,以适应网络负载情况的变化,得到更符合实际情况的延时预测值;最后,根据网络延时的预测值、实际网络控制系统与标准控制系统模型的状态之差,来调整控制信号,从而使实际网络控制系统的状态与标准控制系统模型接近、甚至相等,达到期望的控制效果。数字仿真结果表明,这一方法是可行的,能够获得更加快速的动态性能和稳定的静态性能。     

网络控制系统的稳定性分析

在网络控制系统中,由于网络的通讯带宽的限制、信息(包括传感器信号,控制器信号,等等)的碰撞等诸多原因,不可避免地会使信息在传输过程中存在时延,称之为网络诱导时延.网络诱导时延是导致控制系统的性能降低,甚至使得系统不稳定的主要因素.为了克服网络诱导时延对控制系统造成的影响,建立了具有参数不确定性的线性网络控制系统模型,利用Razumikhin和Laypunov定理来估计传输时延的最大界,给出了网络控制系统渐进稳定的充分条件.并且由LMI方程给出了稳定的控制器增益K.仿真实例证明了结论的有效性.     

具有随机时延的网络控制系统周期反馈控制

针对一类具有随机时延的网络控制系统(NCSs)周期反馈控制问题,提出一个新颖的马尔可夫随机时滞系统模型.该模型包括一个分段常数广义采样保持函数(PCGSHF)以及一个用于描述网络诱导时延和数据包丢失的马尔可夫链.应用李亚普诺夫方法以及线性矩阵不等式技术得到了闭环 NCSs 随机稳定的充分条件,并给出了状态反馈控制器和 PCGSHF 的设计方法.最后,通过仿真算例验证了设计方法的有效性.     

自组织隐马尔可夫模型的人脸检测研究

该文提出了自组织隐马尔可夫模型的人脸检测方法，采用多视人脸样本对隐马尔可夫模型进行训练，得到其参数的初步估计值，在此基础上，裁剪那些状态之间的弱连接，将网络自组织成多路径的左右模型（MPLR）。然后利用EM算法对参数重新进行估计，得到隐马尔可夫模型的状态图，在检测阶段，通过求取最优状态序列和最大相似度的方法来判断，与伪二维隐马尔可夫模型相比，该方法的优点在于能检测多视下的人脸，不只局限于垂直正面视，实验结果证明了该方法的有效性。     

具有时延和丢包的网络控制系统H_∞状态反馈控制

研究了具有时延和数据包丢失的网络控制系统H∞状态反馈控制问题.考虑了网络控制系统中同时存在时延和数据包丢失的情况.将丢包过程建模为有限状态的马尔可夫过程.在此模型的基础上,利用Lyapunov稳定性理论和线性矩阵不等式方法.给出了保持系统均方稳定且满足H∞性能的控制器存在的充分条件,并给出了相应的设计方法.最后数例仿真结果表明了控制器设计方法的有效性.     

基于加权HMM的车辆电源系统状态预测

针对车辆电源系统状态趋势问题,提出了一种加权隐马尔可夫模型的状态预测方法。通过建立电源系统的隐马尔可夫模型,利用加权预测思想对隐马尔可夫模型中隐状态序列进行预测,将最大概率隐状态利用观测概率密度计算出状态观测值。通过对电压调节脉宽信号的导通率进行预测,并与BP神经网络和自回归（AR）模型对相同序列的预测结果进行对比,结果表明该方法对系统的状态变化具有较好的预测能力。     

一种基于二维隐马尔可夫模型的图像分类算法

针对图像分块之间的相互依赖关系,提出一种基于二维隐马尔可夫模型的图像分类算 法。该算法将一维隐马尔可夫模型扩展成二维隐马尔可夫模型,模型中相邻的图像分块在平面两个 方向上按条件转移概率进行状态转换,反应出两个维上的依赖关系。隐马尔可夫模型参数通过期望 最大化算法(EM)来估计。同时,本文利用二维Viterbi算法,在训练隐马尔可夫模型的基础上,实现 对图像进行最优分类。文件图像分割的应用表明,隐马尔可夫算法优于CART算法。     

改进无线网络控制系统状态估计方法与仿真

在无线网络控制系统传统模型状态估计问题研究的基础上,对系统模型进行改进.在系统传感器与估计器之间建立多条通信信道,应用基于隐马尔可夫模型的标准卡尔曼滤波算法,模拟仿真多通信信道高效切换,分析在所述改进模型下,系统矩阵特征值与滤波器估计误差协方差矩阵敛散性之间的关系.MATLAB仿真实验结果验证了所述改进方法的合理性和可...