样条卷积用于气相色谱重叠峰的分辨

本文采用了样条卷积（SC）的方法用以分辨重叠峰，通过这个方法考察了有机氯类农药DDT中的2个同分异构体P.P‘-DDD和O.P‘-DDT气相色谱重叠峰，结果表明信号峰的分辨率由处理前的0.840提高到处理后的1.496。     

含较高噪声重叠峰的分辨

采用Daubechies正交小波滤波和样条卷积分峰联用方法对信噪比S／N≥2的含噪重叠双峰进行滤噪和分峰处理。滤波部分采用阈值法,较详细地探讨了阈值的选取规则;分峰部分利用样条卷积法,并给出了其算法公式,处理速度较快,算法也较简单。通过对模拟和实验信号的处理,发现该联用方法很有效,处理后的峰的峰位置误差≤3.0%,峰面积误差≤3.0%。     

联用色谱重叠峰的目标投影分辨

基于正交投影原理和局部主成分分析,建立了一种新的联用色谱重叠峰分辨方法：目标投影分辨法。该法能在有效地从多组分以谱重叠峰中分辨出目标组分的色谱与光谱,所得光谱与真实光谱十分十分吻合,色谱面积与组分浓度线性关系良好。     

动态光散射中分辨流体力学半径的重叠峰

动态光散射中,宽分布体系的流体力学半径分布f(R_h)的形态有时比较复杂,呈现为重叠峰,妨碍了人们直接解释或认识数据。为了将其重叠峰分解为单峰,从而了解每个单峰的细节特征,作者针对这种重叠峰的现象,而单组分流体力学半径分布曲线一般却为非负、不对称,且其对数具有近似对称的特点,于是提出用修改的对数Gaussian和Lorentzian函数作为数学理论模型,该理论模型曲线的不对称程度,可用左、右半支不同的均方差和指数来表征。文章采用曲线拟合法分离流体力学半径分布的重叠峰。由于本文构造的目标函数比较复杂,变量个数较多,因此选择单纯型法和模拟退火法相结合,并根据实验采用温度以指数规律衰减。文章计算和分析不同分离度的理论模型,探讨分离度对重叠峰分离的影响,并作出大致的估计。模型和实例的计算证实本法有效。     

含较高噪声重叠峰的分辨

采用Daubechies正交小波滤波和样条卷积分峰联用方法对信噪比S/N≥ 2的含噪重叠双峰进行滤噪和分峰处理。滤波部分采用阈值法 ,较详细地探讨了阈值的选取规则 ;分峰部分利用样条卷积法 ,并给出了其算法公式。处理速度较快 ,算法也较简单。通过对模拟和实验信号的处理 ,发现该联用方法很有效 ,处理后的峰的峰位置误差≤ 3 0 % ,峰面积误差≤ 3 0 %     

联用色谱完全重叠峰的解析方法

基于正交投影技术和约束峰形条件,本文提出了三种完全重叠色谱峰的解析方法,峰形约束曲线拟合解析（ＣＰＳＣＦ）,交替正交投影（ＩＯＰ）和秩消失因子分析（ＲＡＦＡ）。对联用色谱数据阵如果约束条件得到满足,谤些方法能被证明用于被嵌人组分的浓度曲线分放是完全可能地。     

DTA重叠峰的高斯函数解析法

用高斯函数法模拟和解析ＤＴＡ重叠峰，演绎了子峰起始反应温度和峰面积求解方法，提出了手工处理实时谱的三点法，编制微机分峰模式图网络指导子峰峰顶坐标的确定，获得令人满意的高斯三参数法微机分峰效果。     

基于混合禁忌搜索算法的重叠色谱峰解析

结合模拟退火算法中的Metropolis准则和免疫进化算法巾产生优秀子代的思想,提出一种混合禁忌搜索算法,并根据指数修正的Gauss卷积模型,使用该算法解析计箅机模拟谱图和实验谱图中的重叠峰,结果该算法用于解析重叠色谱峰性能稳定,精度较高.     

修正高斯模型神经网络的色谱重叠峰解析

目的：研究色谱重叠峰解析新方法。方法：构造了以修正高斯模型（EMG）为基函数的径向基函数神经网络（EMG＿RBFNN）,在网络学习算法中提出采用基于共享小生境技术的约束最优保留两阶段遗传算法：结构学习和参数最速梯度下降进化,从而使EMG＿RBFNN具有结构学习能力 ,使该神经网络能够适应组分数未知的色谱重叠峰解析。尤其是在将气相和高效液相色谱EMG模型参数τ、σ和tR之间的近似线性关系作为可行域约束条件引入算法后,极大地限制了算法可行的解空间,减少了局部最优解出现的概率,提高了算法运行效率。结果：将此新方法分别应用于计算机仿真色谱和45例中药材HPLC,算法可以以较高的精度解析出仿真色谱,实际色谱峰解析也有很高的解析精度。结论：该方法非常适用于组分数未知的各种色谱（重叠）峰的解析。     

基于广义卡尔曼滤波器的路面辨识

为防止车辆驱动轮打滑、提高制动效能,并使车辆在转向工况下获得稳定的行驶特性,对路面情况的实时辨识进行研究.利用μ-s曲线的斜率特性,采用广义卡尔曼滤波器结合路面变化探测模块的方法估算车轮纵滑刚度;利用仿真实验验证该方法的准确性和有效性,路面辨识方法的响应速度得到明显提高.该方法有利于整车控制策略的开发.     

一种基于LS-SVM 的联邦滤波故障检测方法

针对Х^2检验法在组合导航系统联邦滤波故障检测中的不足,提出一种基于最小二乘支持向量机（LS—SVM）的故障检测方法,即在LS-SVM对子滤波器新息进行预测的基础上构造故障检测量．以捷联惯导,卫星,天文组合导航系统为应用平台,采用无重置的联邦滤波对子系统突变和渐变两种故障的检测进行了仿真分析．仿真结果表明,所提出的LS-SVM检测法比残差Х^2检验法具有更好的故障检测能力,由此验证了方法的有效性．     

一种基于卡尔曼滤波的运动物体跟踪算法

针对实时视频监控领域中传统的Camshift算法不能有效解决遮挡和高速运动等问题,提出一种改进的Camshift算法与卡尔曼滤波相结合的运动物体跟踪算法。首先,通过二次搜索来调整搜索窗口的位置和大小,保证Camshift跟踪的可靠性;然后,在Camshift算法的基础上通过卡尔曼滤波对搜索窗口进行运动预测,保证实时跟踪。实验表明该方法具有较好的实时性,并能够有效地解决遮挡等问题。     

基于容积卡尔曼滤波的神经网络训练算法

针对现有的利用非线性滤波算法对神经网络进行训练中存在滤波精度受限和效率不高的缺陷, 提出一种基于容积卡尔曼滤波(CKF) 的神经网络训练算法. 在算法实现过程中, 首先构建神经网络的状态空间模型; 然后将网络连接权值作为系统的状态参量, 并采用三阶Spherical-Radial 准则生成的容积点实现神经网络中节点连接权值的训练. 理论分析和仿真结果验证了所提出算法的可行性和有效性.

     

基于加性无迹卡尔曼滤波的雷达目标跟踪方法

提出一种基于加性无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统,传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和方差的估计。用无迹卡尔曼滤波进行雷达目标跟踪。通过Monte Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度。     

基于多新息理论的 EKF 改进算法

针对标准的扩展卡尔曼滤波算法（EKF）在强非线性系统中估计精度较低的问题,提出了一种改进的扩展卡尔曼滤波算法（MI-EKF）,使得滤波精度得到很大的提高。MI-EKF 是在标准 EKF 基础上,结合多新息理论,不仅考虑了系统当前的测量值,而且也充分考虑了之前时刻的有用信息,从而使得 MI-EKF 的滤波精度和稳定性得到改善。最后,讨论了新息数量对改进算法精度的影响,仿真结果表明包含两个新息的 MI-EKF 算法滤波效果最佳。     

基于SRCKF 的自适应高斯和状态滤波算法

针对非线性非高斯离散动态系统中的状态估计问题,基于高斯和递推关系,提出一种高斯和状态估计算法GSSRCKF.首先将状态噪声、观测噪声及滤波初值均表示为高斯和的形式,以平方根容积卡尔曼滤波为子滤波器分别估计各高斯子项对应的系统状态;然后结合各子项对应的权值实现全局估计;最后设计高斯子项对应权值的自适应策略,并采用约简控制法降低计算复杂度.仿真结果验证了所提出的算法在滤波稳定性方面的优越性.     

改进扩展卡尔曼滤波算法的目标跟踪算法

为了获得更加理想的运动目标跟踪效果,提出了一种基于改进扩展卡尔曼滤波的目标跟踪算法。构建时间差和信号到达方向的观测方程,利用几何和代数关系化简得到伪线性模型,通过改进卡尔曼滤波算法对目标运动轨迹进行跟踪,采用仿真实验对算法性能进行测试。结果表明,相对于传统扩展卡尔曼滤波算法,在相同条件下,该算法不仅提高了目标跟踪精度,而且使目标跟踪结果更加稳定。     

基于平方根求积卡尔曼滤波器的弹道目标跟踪

针对再入阶段的弹道目标跟踪问题,提出运用平方根求积卡尔曼滤波器(SRQKF)估计目标的状态.所提出的算法是求积卡尔曼滤波(QKF)算法的平方根实现.该算法传播了目标状态的均值和协方差的平方根,确保了协方差矩阵的对称性和半正定性,改进了数值精度和稳定性,但其计算复杂性稍有增加.仿真实验表明,所提出算法的估计精度优于QKF算法和扩展卡尔曼滤波(EKF)算法,是一种很有效的非线性滤波方法.     

LPV模型的Kalman滤波器设计

针对线性变参数（LPV）模型,给出了一种改进Kalman滤波器设计方法,这种滤波方法可以根据系统LPV模型实时调整滤波状态方程矩阵系数,从而增强滤波算法对系统模型变化的跟踪性能,并提高滤波准确性。结合具体实例,通过仿真比较,较好地检验了该方法的有效性。