一类多路复用器系统的噪声滤波设计

在实际的多路复用系统中,当信号通过通信网络进行传输时,时常会发生具有随机性的时滞或数据丢失现象。该文研究当传输信号存在不超过一个采样周期的随机延迟的多路复用系统噪声滤波问题。对多路复用器系统状态空间模型进行改写,并通过扩维的方法解决噪声模型非白的问题,从而建立新的状态空间模型;基于新模型通过采用降维的最优滤波设计方法设计出多速率最优分析滤波器;通过计算机仿真试验,验证新滤波器的有效性。     

动态系统加性干扰与状态估计的实时滤波方法

动态系统在受不确定因子干扰的环境下,常出现因模型不匹配而造成系统状态估计精度不高的现象。为此,考虑一类线性系统状态模型和测量模型中呈现加性干扰的情况,通过建立加性干扰的辅助动态方程,给出基于卡尔曼滤波的加性干扰统计特性在线辨识方法,再建立考虑状态模型和测量模型加性干扰统计特性的系统状态变量估计的卡尔曼滤波器。建立了加性干扰之间的相互影响以及它们对状态估计滤波器性能影响的分析方法,用数字仿真验证了新方法的有效性。     

生物力学模型导引的心肌运动与材料参数对偶估计

针对传统心脏图像分析方法割裂运动分析和材料分析的局限性和扩展卡尔曼滤波器联合算法引入互协方差矩阵具有收敛慢的问题,提出基于卡尔曼滤波器和扩展卡尔曼滤波器的对偶滤波器算法,该方法用有限元方法表达心脏求解域,连续生物力学模型作为逆问题的约束,在状态空间框架下将运动状态向量和材料参数向量分别置于2组状态空间方程中,用相应的滤波器进行交替迭代估计,从而实现心肌运动状态和材料参数的同时重建.结果表明,该方法能够有效地提高估计精度和收敛速度,缩短计算时间.     

用二次最优控制推导Kalman滤波器和最优插值器

本文通过最小二乘拟合方法,将最优估计问题转换成二次最优控制问题,然后用统一的方式导出Kalman-Bucy最优滤波器和Ranch-Tung-Striebel最优插值器等,同时还给出最优插值器的一种新形式。     

采用扩展卡尔曼滤波器估计入射波参数

提出了采用扩展卡尔曼滤波器估计入射波参数（入射角度和入射功率）的方法,首先根据天线阵线拉空间信号的特点,在建立描述入射波参数的空间状态方程,其次为便于用数学方法进行入射波的参数估计,将含有复数的空间状态方程变换成用实变量表示的空间状态方程,然后,经扩展状态,将入射波的空间状态方程变非线性系统的状态方程,利用扩展卡尔曼滤波器实现入射角度和入射功率的联合估计,对天线阵接收一个入射波情况,采用ＭＡＴＬＡ     

X尾翼无人机的故障诊断和容错控制方法

作动器是无人机的关键执行机构,针对作动器卡死、增益损失、偏差等故障问题,采用检测滤波器和卡尔曼滤波相结合的方法进行故障检测和故障参数估计:使用检测滤波器输出带有作动器故障信息的残差向量,并利用阈值检测和残差方向特性检测和隔离故障;在得到故障警报后使用卡尔曼滤波方法对故障参数进行在线估计,得出故障的具体性质和程度;针对不同的故障形式,采用控制命令补偿或重构的方法进行容错控制。 基于X型尾翼无人机的转弯速率模型进行仿真试验,结果验证该方法有效可行,能够实现较快的故障诊断,容错策略可以较好的恢复系统性能。     

一种基于双重改进粒子滤波器的故障隔离方法

为了解决在基于解析冗余关系的故障诊断应用中难以实现故障隔离的问题,提出了一种基于双重改进粒子滤波器的故障隔离方法。该方法利用状态和参数估计粒子滤波器组成的联合估计模型,对系统状态和潜在故障参数值进行联合估计,通过对比潜在故障参数估计值与其标称值实现故障隔离。在联合估计模型中,一方面,在传统的随机扰动法的基础上,利用最大似然估计法获得参数时间更新梯度,使用一种改进随机扰动法实现参数时间更新;另一方面,在采样过程中考虑当前量测值,并引入粒子群和模拟退火优化思想,使用一种采样粒子质量改进方法实现粒子采样,以提升其估计性能。仿真结果表明：在假设的两类参数型故障下,基于双重粒子滤波器的联合估计模型在鲁棒性、计算速度和估计精度上均优于基于扩展状态空间的粒子滤波器联合估计模型,在基于双重粒子滤波器的联合估计模型上,使用所提出的改进方法能显著提升其估计性能。所提出的方法基本满足参数型故障隔离对计算效率和估计精度的要求,可作为基于解析冗余关系故障诊断中的故障隔离方法。     

基于模型空间分解的交互式多模型算法

由于马尔可夫参数的限定,交互式多模型的估计精度会在模型数过多时下降,这限制了它在高维参数空间的应用,通过将交互式多模型建模空间分解,构造出一种两级交互式多模型算法,并通过辨识系统噪声的多个统计参数,比较了新算法与常规交互式多模型滤波器,仿真结果显示了新算法的优越性。     

自适应陷波器滤波X—LMS算法稳定性分析

提出主动噪声控制系统稳定性分析的一种新方法，控制器采用自适应陷波器滤Ｘ－ＬＭＳ算法，为改善系统的稳定性鲁棒性和加速算法的收敛，利用声学通道的相位特性设计了补偿滤波器，通过建立状态空间模型对系统进行性能分析，经过旋转变换，将时变系统转化为等价的线性时不变系统，从而可以便利地利用控制理论进行稳定性分析。     

噪声被动测距中的滤波技术应用研究

精确测定目标信号到达不同水听器的时延差是被动测距声呐正常工作的基础.文中先是采用一阶线性递归滤波器对相关函数进行滑动平均,剔除了待处理数据中的野点,而因此引入的延迟仅为3～4ms;然后再用基于自适应噪声抵消器的参数估计器对测量值(距离的估计)进行后置滤波和跟踪,该滤波器收敛和稳定时间需要0.5～1min,快于传统的Kalman滤波器(稳定最少需要5min),这对实现被动测距声呐对快速目标的跟踪是有很大意义的.最终系统实现了对慢速及快速目标(如鱼雷)的跟踪和滤波输出.     

一种新的三工器设计方法

提出了一种基于多项式综合的新的三工器设计方法．根据各个通道滤波器的指标,得到滤波器响应的特征多项式．推导出三工器响应特征多项式的计算公式,并计算得到其特征多项式．这些多项式中包含了各个通道滤波器的相互影响信息．对三工器的反射多项式的根进行重新排布,可以使三工器在3个频段均呈现出等波纹特性．利用这些根,可以方便计算出最终的滤波器特征多项式．最后,对这些滤波器多项式应用经典的综合方法,就可以得到各个滤波器的耦合系数和外部Q值等参数．为了验证理论的正确性,将理论计算的数据,代入到电路仿真软件MWO的模型中进行仿真,仿真结果与设计指标吻合得很好．     

永磁同步电机的转动惯量辨识及状态估计

为提高永磁同步电机伺服系统的动态性能和鲁棒性,研究了基于模型参考自适应系统的转动惯量辨识方法以及基于卡尔曼滤波器的自适应状态估计策略。提出了一种适用于宽转速、高噪声环境下的电机角速度、角位移和负载扰动转矩的在线估计方法,分析了该方法的抗干扰能力以及系统参数变化对估计效果的影响,并通过辨识出的伺服系统转动惯量对卡尔曼滤波器的系数矩阵进行实时更新,实现了转动惯量自适应状态估计。仿真和实验结果表明该算法在速度分辨率、实时性和抗干扰能力上均优于传统M／T方法。     

使用遗传算法的自适应Kalman滤波器

基于Magill的Kalman撼波器池结构，设计了使用遗传算法的自适应Kalman滤波器，给出了离线和在线两种实现方案．离线方案以辨识滤波参数为主要目的，进而可以对状态进行较准确的事后估计；在线方案以实时地对状态进行估计为目的．对滤波参数寻优使用具有良好性能的浮点数编码遗传算法，该算法与二进制编码遗传算法相比收敛速度更快、搜索全局最优的能力更强．仿真结果验证了所提出的自适应Kalman滤波器的有效性．     

空间矢量PWM逆变器死区效应分析与补偿方法

针对一类非线性不确定系统的混沌反控制, 提出非线性不确定系统鲁棒混沌反控制的逆系统方法.由微分跟随器、积分逆系统和滤波器实现自适应逆混沌反控制器.通过微分跟随器提取混沌参考系统状态和受控系统状态,依照跟踪性能要求设计期望的动态系统,借助逆系统理论得到受控系统确定阶的逆，考虑幅值、相位调整和噪声抑制的需要设计滤波器.该方法使受控系统状态跟踪已知混沌参考系统状态.结果表明, 该方法输出微分跟随器对受控对象动态特性不确定性可以进行高精度实时提取,控制器设计不受李雅普诺夫指数配置求取和受控系统模型的约束.     

稳态分数阶Kalman滤波器

基于CARMA新息模型对线性离散分数阶状态空间系统提出一种稳态分数阶Kalman滤波器。分数阶描述比整数阶描述更精确,所提出的滤波器相比已有的整数阶系统的相关研究结果更具普遍性和实用性。仿真实例表明了该滤波器的有效性。     

一种分块差分滤波器及其在仅有角度跟踪中的应用

为解决仅有角度跟踪时,目标估计受限于较大的初始估计误差和噪声统计特性未知的问题,提出了一种带有噪声智能统计功能的改进型分块差分滤波器.通过统计线性化方法得到了一种S-H智能噪声统计估值器,并用其优化传统分块噪声滤波器的测量更新步骤,实现了对未知过程和测量噪声的智能统计处理,通过迭代更新进一步提高了滤波器对于复杂非线性函数的适应能力.与目前几类主流的自适应滤波器性能相比,结果表明:对于具有线性系统模型和非线性测量模型的典型被动跟踪估计问题,针对较大的初始状态估计误差,所给出的滤波器能更好地完成系统噪声和测量噪声部分参数统计特性未知情况下的非线性估计任务,在保证计算量适中的同时有效地提高跟踪制导精度.     

基于RBF神经网络的非线性系统故障诊断

针对一类含模型不确定性的非线性系统，提出了具有强鲁棒性和高灵敏度的在线故障检测与诊断方法．其中，系统只有输入、输出可检测，故障是关于输入和状态的非线性函数．非线性在线估计器用于估计系统不确定部分，同时监视系统是否发生故障，估计故障的大小．仿真结果表明，故障诊断算法稳定．     

基于改进连续-离散无迹卡尔曼滤波的水下航行器故障诊断

针对连续非线性系统的参数估计问题,提出了改进的连续-离散无迹卡尔曼滤波算法。该算法结合系统状态和参数的估计均值和协方差阵,通过构建控制系统的无迹状态矩阵,并对无迹状态函数积分获得预测无迹状态阵,再经过均值解算和估计更新,获得参数的估计值。然后,针对水下航行器连续非线性控制系统的故障诊断问题,将水下航行器执行机构的故障,以比例系数和附加参数的形式表达在控制系统的状态空间方程中,通过采用改进的连续-离散无迹卡尔曼滤波算法,估计故障数据,实现执行机构的故障诊断。最后,在水下航行器回坞仿真实验中,采用该算法有效估计出执行机构故障,验证了算法的可行性和有效性。     

自适应陷波器滤波X－LMS算法稳定性分析

提出主动噪声控制系统稳定性分析的一种新方法．控制器采用自适应陷波器滤波Ｘ—ＬＭＳ算法，为改善系统的稳定鲁棒性和加速算法的收敛，利用声学通道的相位特性设计了补偿滤波器．通过建立状态空间模型对系统进行性能分析，经过旋转变换，将时变系统转化为等价的线性时不变系统，从而可以便利地利用控制理论进行稳定性分析     

具有未知系统偏差的自适应Kalman平滑器

提出一种有效的具有未知系统伯差的自适应Ｋａｌｍａｎ平滑器．应用状态空间方法和ＡＲＭＡ新息模型，基于白噪声估值器和输出预报器，给出线性离散定常系统自适应最优状态和偏差联合Ｋａｌｍａｕ平滑器，最后给出仿真实例．