基于箱粒子滤波的鲁棒标签多伯努利跟踪算法

针对在未知杂波和检测概率的跟踪环境中标准的标签多伯努利（LMB）算法跟踪精度较低、粒子覆盖集过大致使复杂度较高的问题,引入区间分析技术,提出基于箱粒子滤波的鲁棒LMB跟踪算法。建立目标增广空间模型,基于箱粒子滤波方法,推导出有杂波状态标签和LMB元素标签的预测、更新方程,并用多目标箱粒子LMB滤波递推估计目标状态。仿真结果表明,当杂波和检测概率先验未知,与现有非标签、非鲁棒算法相比,所提算法可实现在低检测概率和高杂波强度环境下对目标的稳定跟踪,同时大幅度提高算法的运行效率。     

导弹气动力参数辨识中的一种鲁棒算法

传统的气动力参数辨识算法存在着一些问题，使辨识的准确性和可靠性受到较大的影响。为解决传统算法所存在的问题，以最大似然准则作为辨识准则，应用自适应遗传算法进行导弹的非线性气动力参数仿真辨识。气动力参数辨识的结果比较满意，表明遗传算法具有良好的优化性能，是进行气动力参数辨识的一种鲁棒算法。     

基于低频学习的电液位置伺服系统鲁棒自适应控制

电液位置伺服系统存在高频干扰和传感器测量噪声,导致传统自适应控制参数收敛性差、性能一致性低等问题。针对这些问题,提出一种基于低频学习的鲁棒控制策略。设计低通滤波器修正电液位置伺服系统的自适应参数,将修正前后出现的残差反馈到鲁棒自适应控制中构造新型控制律,滤除自适应律中存在的高频成分,从而有效地降低参数的波动程度,达到稳定收敛的目的。通过Lyapunov稳定性理论验证了闭环系统的全局稳定性。对比实验结果表明,所提方法能够有效解决电液位置伺服系统在高频干扰和传感器测量噪声作用下的参数稳定收敛问题,同时获得了系统动态误差的渐进稳定性,实验取得了预期效果。     

基于人工鱼群算法的制导炸弹多目标鲁棒PID控制器设计

采用先进控制理论设计的控制器往往阶次较高难以应用于工程实践,PID控制是目前工程中应用最广泛的控制方法.同时控制系统几乎都需要满足多个性能指标的要求,因此提出了一种基于人工鱼群算法的多目标优化方法.分析了制导炸弹控制系统的多目标要求,然后在满足系统鲁棒性的前提下,选取内、外回路的时域指标作为多目标优化的子目标,求解了系统的Pareto最优解,决策者可以在Pareto解中选取需要的满意解进而设计制导炸弹多目标鲁棒PID控制器.数值仿真表明,人工鱼群算法可以快速搜索到多目标问题的Pareto解,所设计的系统时域性能和鲁棒性好.     

一种基于最优算法的导弹鲁棒稳定性评估方法

在对参数不确定性导弹控制系统进行多通道鲁棒稳定性评估时,传统方法在计算效率及结果可靠性方面存在不足。提出一种遗传-Nelder-Mead单纯形混合优化算法,利用遗传算法的全局搜索能力,寻找目标函数的近似最优解,并将其作为Nelder-Mead单纯形法搜索的初值,利用Nelder-Mead单纯形法局部寻优的优势,在近似解的邻域内搜索精确解。通过测试函数验证,算法在计算效率和计算精度方面都有很大提升。最后讨论了算法在导弹控制系统鲁棒稳定性评估中的应用价值。     

基于随机鲁棒优化的导弹姿态控制系统设计

针对多目标优化算法设计的控制系统鲁棒性不强的问题,基于随机鲁棒方法设计了导弹姿态控制系统参数,并进行了对比仿真验证。在确定姿态控制系统结构基础上,根据系统对快速性和稳定性的要求,提出一个包含系统稳定性、时域指标和频域指标项的指标体系。在此基础上,通过对各指标或各指标的不满足概率适当加权,分别为粒子群优化算法和随机鲁棒方法定义适应度函数,并在参数取值区间内对待定控制参数进行寻优,从而实现姿态控制系统参数的优化整定。蒙特卡洛仿真实验表明了随机鲁棒方法用于鲁棒控制系统设计的有效性。     

区间对象族最优鲁棒镇定问题研究

主要研究了区间对象族的鲁棒镇定问题。区间对象族满足可镇定性条件,即每一个对象都没有不稳定的零极相消,是其鲁棒镇定问题可解的一个必要条件。本文将说明区间对象族满足可镇定性条件同时也是其鲁棒镇定问题可解的充分条件,并通过示例说明区间对象族最优鲁棒控制器的设诗过程。     

当前统计模型下的目标状态鲁棒H∞预估算法

针对常规运动目标滤波算法在提升光电跟踪系统性能方面存在较大困难,基于运动目标状态的当前统计(current statistics,CS)模型,设计了该模型下的鲁棒H∞滤波预估算法。根据H∞滤波理论及目标状态方程,求解H∞滤波预估算法,实现了对目标状态信息的有效预估,并将其应用于某型光电跟踪系统,进行了实验验证。实验结果表明:该算法能有效抑制脱靶量噪声与延迟对跟踪系统带来的不利影响,相较于Kalman滤波算法,滤波精度更高,鲁棒稳定性更强,能够提升系统跟踪精度与性能。     

基于分层模型和鲁棒字典学习的背景差分炸点检测

针对背景差分炸点检测方法中背景模型难以更新背景估计和运算复杂等问题,提出一种分 层模型下基于鲁棒字典学习的背景差分炸点检测方法。为提高运算效率,该方法对图像帧建立3层金字塔分层模型,在每层将图像帧分割为互不重叠块,逐层以图像块为单位通过改进的鲁棒字典学习方法进行背景估计,与当前图像帧作背景差分实现炸点检测。采用炮弹炸点图像序列对所提出的方法进行了实验验证。实验结果表明,与现有炮弹炸点检测方法相比,该方法在准确率、误检率和鲁棒性方面均具有优越性能。     

可靠性环境因子计算的鲁棒性算法

给出可靠性环境因子计算公式及算法.算例表明,所给出的算法可用于设备与系统可靠性评估中不同试验环境可靠性试验数据的折合,且与文献[1]中给出的成败型单元可靠性环境因子算法相比,所给出的成败型单元可靠性环境因子算法具有较强的鲁棒性与适应性.     

匹配场噪声抑制的稳健方法

由于拖船噪声是一种具有多途角扩展的宽带相干强干扰,拖船噪声抑制是拖线阵声呐系统中的关键技术之一。根据最优传感器阵列处理和匹配场处理的概念,提出两种稳健的匹配场噪声抑制方法：多约束匹配场噪声抑制和匹配场波束形成后噪声抑制。理论与仿真分析均表明,稳健的匹配场噪声抑制方法比常规波束形成器、最小方差无失真响应波束形成器、以及以往的匹配场噪声抑制方法具有更优越的性能。     

基于深度学习的小样本目标检测综述

针对在小样本情况下目标检测的问题,对当前小样本条件下的目标检测方法进行归纳总结。列举4 类小 样本学习方法并介绍其优缺点,介绍目前这几类方法的典型算法;进行小样本目标检测实验设计,通过分析各方法 的特点得出其可应用方向;对目前的小样本图像目标检测存在的问题进行讨论。结果表明,该分析能为相关领域的 研究者提供更多的思路。     

基于字典学习的实时运动目标跟踪算法

采用提取图像的尺度不变特征可以获得较好的匹配跟踪效果,但该特征提取方法比较耗时。针对这一问题,提出了一种鲁棒的实时目标跟踪方法。该方法通过提取目标的多尺度平移、旋转特征来构建字典,提高了算法的鲁棒性。利用所构建的字典来表示待跟踪目标集特征,查找与目标模板最近邻的待跟踪目标,即可确定跟踪的最终结果。试验结果表明,这种基于字典学习的实时跟踪算法可以鲁棒实时地跟踪单目标。     

基于Boosting学习算法的雷达弹道识别

弹道外推技术在炮位雷达的侦察和校射中起关键作用,弹道外推的精度直接决定着炮位侦察校射雷达的性能.在文献[1]中,作者提出了将弹道外推分为弹道识别和特定弹道外推两个阶段,并用支持向量机方法对弹道识别进行了系统研究.文中引进Boosting学习算法进行弹道识别.仿真结果表明,基于决策树的Boosting学习算法是一种有效的弹道识别方法,并且识别精度高于基于核技巧的支持向量机方法.     

一种稳健的VMUSIC算法

对基于四阶累积量的VMUSIC算法进行了分析,发现在信噪比不高和快拍数有限的条件下,由于对四阶累积量的估计误差较大,从而影响到该算法的DOA估计性能。为了解决这一问题,文中通过对四阶累积量矩阵进行Toeplitz化的办法,提出了一种稳健的VMUSIC算法,并指出该算法对四阶累积量的估计误差不敏感,更适宜在信噪比不高和快拍数有限的条件下工作。计算机仿真试验也证明在同等条件下,与原VMUSIC算法相比,文中算法有着更好的DOA估计性能。     

基于减量学习的鲁棒稀疏最小二乘支持向量回归机

针对最小二乘支持向量回归机缺乏鲁棒性和稀疏性,提出采用自下而上的学习方式和循环逐一删除样本框架的鲁棒稀疏算法。为增强鲁棒性,采用基于留一误差的鲁棒3σ准则检测并删除异常样本。为提高稀疏性,采用基于最小绝对留一误差的剪枝策略删除不重要样本。为降低计算量,采用快速留一误差和减量学习更新模型。实验结果表明:新算法有较强的鲁棒性,同时在模型泛化性能略有下降的情况下,支持向量数目大幅减少。     

μ综合方法在鲁棒飞行控制系统设计中的应用

针对飞行控制系统设计中存在的飞机自身与外界干扰的许多不确定因素的影响,采用μ综合控制方法,根据飞行品质要求,构造了飞机侧向飞行控制系统μ综合设计框架,选取了不同环节的权函数.以某推力矢量飞机侧向运动为例,对其进行了μ综合设计并做了数字仿真.仿真结果表明,所设计的飞行控制系统不仅具有良好的动态性能,并且具有良好的鲁棒稳定性和鲁棒性能以及很好的解耦效果.