基于自组织法求解的Volterra滤波器应用于洪水预报

采用自相关函数法选取时间延迟、伪邻近点法选取嵌入维数,并通过相空间重构,计算得到正的最大Lya-punov指数,证明了洪水序列具有混沌特性.并将m阶截断求和的Volterra级数滤波器作为洪水序列的全局预测函数.鉴于Volterra级数滤波器系数的个数随阶数按幂次快速增加,而导致在应用上难以实现的特点,引入自组织法(GMDH),通过逐层建立模型,最终解得Volterra级数滤波器的理想表达式.应用实例表明,基于GMDH求解的Volterra级数滤波器不仅增强了计算效率,而且可以得到足够的计算准确度.     

基于自适应模糊网络系统的径流序列预测

应用自适应模糊网络系统进行径流序列数据预测，并给出此类混沌数据列预测的ANFIS系统结构形式。自适应模糊网络系统模型充分利用观测数据中的先验信息，预测结果精确、可靠。最后通过实例应用证明该方法的可行性和有效性。     

基于相空间重构理论的水中混响特性提取

相空间重构理论是混沌和分形研究中常用的分析方法.由于水中混响具有一定的混沌特性,因此将相空间重构理论应用于水中混响的分析中,通过计算得到对水中混响数据重构所需的2个重要的参数时延和嵌入维.水中混响数据的重构参数进一步表明其混沌特性,可以用重构参数来表征水中混响的特性.由此证明了相空间重构理论应用于水中混响的可行性.     

用自适应预测误差滤波器抑制雷达染波

研究了ＦＴＦ算法和ＬＳＬ算法实现的预测误差滤波器对雷达地杂波和气象杂波的抑制性能。计算了杂波滤波器的改善因子。计算机仿真结果表明，ＬＳＬ和ＦＴＦ算法可以对杂波进行较大抑制，当用于目标检测时，ＦＴＦ算法具有较高的信杂比改善能力。     

基于LS-SVR的混沌时间序列多参数自适应预测

故障预测对保障复杂设备的安全可靠工作具有重要意义,但往往难以建立起准确的解析形式的数学模型,因此常常依赖于通过观测所获得的混沌时间序列进行预测分析.为了提高预测的有效性和准确性,基于支持向量机预测理论,提出考虑全部相关多参数混沌时间序列中的信息,进行多参数相空间重构产生训练样本,并建立了多参数自适应最小二乘支持向量回归预测模型.以某设备三个相关参数的仿真混沌时间序列为例进行了预测实验,结果表明该方法有较好的预测精度,是一种有效的预测方法.     

NLMS自适应滤波器的FPGA实现

目的 采用FPGA芯片实现NLMS算法,从而生成高性能的自适应滤波器来滤除通信信号中时变、未知的干扰信号,得到高质量的通信信号.方法 通过对LMS及其改进算法的原理讨论及比较,确定适合于FPGA芯片上实现的NLMS算法,并对算法的具体实现方法进行论述.采用分段移位的方法实现除法运算,从而提高运算速度.结果 通过对输出信号的频谱分析,当信号带宽为200 kHz,频率偏离中心频率0.087 5 MHz时,衰减达到了99.21 dB.结论 本设计能高速度、高质量地滤除通信信道中的干扰信号,并很好地处理了FPGA的资源与速度的关系,能满足高速信号处理的要求.     

基于混沌时间序列分析的股票价格预测

根据股票市场是非线性动力系统的假设,利用混沌理论对混沌时间序列的分析方法,提出了股票价格预测方法。同时利用重构相空间的嵌入维数和延迟时间分别确定经向基函数模型网络的结构和训练样本对,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,并与前馈神经网络模型相比,可得到较好的预测结果,因而在股票时间序列预测中有广泛的实用价值。     

基于混沌时间序列模型的用水量预测

城市用水量预测在供水系统的调度决策管理中具有重要作用。通过对用水量的分析,发现了城市用水量具有混沌特性,并提出一种基于混沌时间序列模型的用水量预测方法。实验表明,预测误差率小于1.31%,能对供水调度决策提供有力支持。     

基于预测电流控制的有源电力滤波器研究

为减小延时对有源电力滤波器补偿性能的影响,基于优化的自适应预测滤波模型,提出了一种参考电流预测控制方法.该方法在当前时刻根据历史基波数据,预测随后k个采样时刻参考电流值;利用实际输出与预测模型输出之间的误差进行反馈校正和滚动优化,实现有源电力滤波器的预测电流控制,提高了系统的鲁棒性和精度.仿真证明了该方法的正确性和有效性.     

基于暂态混沌神经网络的低阶混沌时间序列预测

暂态混沌神经网络是一种基于Hopfield网络提出的混沌神经网络,具有收敛速度快、不易陷入局部极小等优点．许多低阶的混沌系统都可以展成二阶volterra级数,因此提出一种基于暂态混沌神经网络和volterra级数的低阶混沌时间序列预测方法．该方法利用暂态混沌神经网络计算系统的volterra级数系数,确定系统的动力学模型,从而实现混沌时间序列预测．利用Logistic模型对该方法进行测试,结果表明,预测相对误差小于0．5％,预测可达到较高的速度和精度．     

混响背景下水底目标回波盲分离

针对水下掩埋目标探测中目标回波信混比较低的问题,提出将混响视为一类信源的与目标回波盲分离方法,研究了目标回波与混响在时域统计特性、时频域以及时域波形上的可分离性与分离原则问题,解决了传统时频方法不适用于当混响与目标回波在时频域内混叠时的抑制混响问题。海上掩埋目标探测实验数据处理结果表明,经过时域二阶统计盲分离与时频域盲分离处理后,目标回波的信混比提高了约5 d B,在时频分布上可以更清楚的观察到目标几何亮点,从而提高对目标回波识别的准确性。     

Variable step-size matrix adaptive filter design based on the multiband structured

In order to improve the convergence performance of the normalised sign subband adaptive filter (NSSAF), variable step-size matrix normalised sign subband adaptive filter (VSSM-NSSAF) based on the variable multiband structure is proposed. In this method, the energy of the subband posteriori error vector is treated as the cost function and the variable step size matrix as a variable. By solving the optimal step length for each subband to minimize the cost function after each iteration calculation, the best variable step size matrix is obtained. Then we employ the following time-average scheme to get the variable step-size matrix before the next iteration. Compared with the traditional NSSAF algorithm and other improved NSSAF algorithms, the proposed algorithm provides a faster convergence speed and lower steady state misadjustment, regardless of whether the input signal is relevant or not, even if it contains impulse noise. Besides, this method has the advantages of a low computational complexity.     

基于粒子群优化算法的高阶累积量滤波器

基于高阶累积量(HOC)的自适应滤波器能够滤除高斯噪声或其它具有对称概率分布函数的噪声,其解法一般采用的是梯度搜索法,但是梯度搜索过程难以避免局部收敛而且计算复杂.粒子群优化算法(PSO)具有算法简洁,易于实现,且不需要梯度信息等优势.使用粒子群优化算法求解高阶累积量自适应滤波器系数优化问题,为滤波器参数的优化提供了一种新的思路.仿真结果表明,使用PSO优化算法求解自适应滤波器系数能获得更高的精度.同时PSO算法受系统跃变的影响较小,因此它在求解非平稳过程模型系统时具有一定的优势.     

基于粒子群优化算法的高阶累积量滤波器

基于高阶累积量（HOC）的自适应滤波器能够滤除高斯噪声或其它具有对称概率分布函数的噪声，其解法一般采用的是梯度搜索法，但是梯度搜索过程难以避免局部收敛而且计算复杂．粒子群优化算法（PSO）具有算法简洁，易于实现，且不需要梯度信息等优势．使用粒子群优化算法求解高阶累积量自适应滤波器系数优化问题，为滤波器参数的优化提供了一种新的思路．仿真结果表明，使用PSO优化算法求解自适应滤波器系数能获得更高的精度．同时PSO算法受系统跃变的影响较小，因此它在求解非平稳过程模型系统时具有一定的优势．     

基于自适应区域跟踪的自主式水下机器人容错控制

研究自主式水下机器人(autonomous underwater vehicle, AUV)的推进器自适应区域跟踪容错控制方法。 与传统的自主式水下机器人容错控制方法不同,采用区域跟踪控制思想,将控制目标设定为以期望轨迹为中心的空间区域。 针对系统中存在的不确定性及推进器故障问题,采用神经网络进行在线辨识。 考虑到推进器故障时存在推力饱和而导致神经网络学习发散的问题,提出一种包含饱和因子的神经网络权值调整方法。 通过仿真,对所提方法的有效性进行验证。     

Navigation system of a class of underwater vehicle based on adaptive unscented Kalman fiter algorithm简

Inherent flaws in the extended Kalman filter（EKF） algorithm were pointed out and unscented Kalman filter（UKF） was put forward as an alternative.Furthermore,a novel adaptive unscented Kalman filter（AUKF） based on innovation was developed.The three data-fusing approaches were analyzed and evaluated in a mathematically rigorous way.Field experiments conducted in lake further demonstrate that AUKF reduces the position error approximately by 65% compared with EKF and by 35% UKF and improves the robust performance.     

渥尔特拉最佳滤波器及其应用于非线性系统辨识

在一般最佳滤波器的基础上研究了渥尔特拉最佳滤波器及其应用于非线性系统辨识问题,并给出了辨识计算方法和应用由该算法编制的程序的辨识算例.     

基于自适应补偿低通滤波器的直接转矩控制系统的研究

传统的异步电动机直接转矩控制在低速段由于纯积分环节中定子电阻的影响对磁链的观测不稳定,将造成磁链和转矩脉动过大,限制了实用范围.针对这一不足,本文引进新的磁链观测方法,即带自适应补偿低通滤波器模型,对其进行仿真实验.结果表明,该模型能够较好地改善磁链轨迹,转矩、电流脉动均得到有效控制,能够保证系统的控制品质,具有工程实用价值.     

基于自适应卡尔曼滤波的GNSS矢量锁定环路

为了减小卫星信号信噪比变化对全球导航卫星系统(GNSS)接收机当中矢量锁定环路(VLL)的不良影响,使用一种基于新息的自适应卡尔曼滤波方法对其改进,以实现对VLL滤波器观测噪声协方差矩阵的实时调整．使用后处理软件全球定位系统(GPS)接收机处理信号发生器产生的中频数据以对提出的方法进行验证．实验结果表明,相对于传统标量环路(SLL),基于自适应卡尔曼滤波的VLL可以在信噪比降低甚至可见卫星数目不足的环境下工作,其载波频率跟踪精度及导航定位解精度均优于固定参数矢量环路和传统标量环路．