线性不确定系统信息受限下的远程跟踪

研究了信息受限下一类线性不确定系统的跟踪调节问题. 假定由高阶微分方程产生的参考信号与受控系统(不确定线性系统)通过有限容量信道相连. 针对该信号设计了具体的编码方式, 并在受控系统端重构了该参考信号, 进而依据此重构信号设计了跟踪控制器, 最终到达了跟踪目标. 最后数值例子验证了本文结论的有效性.     

离散不确定系统分布式鲁棒融合滤波器设计

针对一类离散多传感器动态模型的不确定系统,将鲁棒滤波理论与数据融合技术相结合,基于参数依赖Lyapunov函数,研究该离散系统的鲁棒融合滤波器设计问题。在集中式鲁棒融合滤波器的基础上,探讨了分布式加权融合滤波器的设计方法,通过仿真实验比较了鲁棒融合滤波器的性能。结果表明,利用该分布式加权融合算法,不仅对于解决当系统模型中存在参数不确定性时的滤波问题有较好的鲁棒性能和较低的计算量,而且在多传感器系统中对于满足不同精度鲁棒融合滤波器的设计需要具有较大的灵活性。     

模糊推理算法及信息不确定条件下的诊断应用

针对系统动态特征信息的随机性、模糊性和不完备性，借助模糊数学理论的逻辑推理方法，构造一种可实现农作物病虫害模糊推理诊断模型，给出在已知症状信息条件下的求解算法。仿真算例表明，模糊逻辑推理诊断模型及算法能够有效完成农作物病虫害在多因素、多症状及症状信息不完备条件下的诊断推理，具有一定智能化程度、简单实用等主要技术特点，表现出一定的诊断可靠性。     

一种不确定目标状态的跟踪估计方法

本文针对不确定目标状态跟踪问题，提出了一种集值估计的思想方法，着重研究了集值估计的理论基础，并推导出集值Ｋａｌｍａｎ滤波估计方法，仿真结果表明，该方法可以有效地解决不确定目标状态的跟踪问题，并且随着有效观测数据的增多，集值估计方法可以转化为传统的点估计方法。     

空值环境下含不确定及可能信息关系数据库的查询

本文以（１）中的扩展关系模型为基础在两种元组极的不完全信息－不确定及可能信息中引入属性级的不完全信息空值，使两种不同性质的不完全信息同时出现在同一关系中，为了能够查询到不同种类及不同确定程度的信息，文中制定了这种扩展关系模型上关系的查询策略，定义了能够体现这种策略的最小关系代数运算。     

否定与不确定信息抽取研究综述

否定与不确定表达在自然语言中广泛存在,正确识别此类信息并将其与准确信息分开处理,在信息抽取、情感分析、文本挖掘等自然语言处理任务中具有重要研究价值。自从2008年BioScope语料库发布以来,针对否定与不确定信息抽取研究举办了多次大规模评测会议和学术论坛,为采集语料、明确任务及性能评测等提供了交流平台,否定与不确定信息抽取逐渐成为自然语言处理领域的研究热点。该文简要介绍了否定与不确定信息抽取的研究背景、任务定义、相关语料等,并通过回顾和分析该领域的研究现状,展望未来的发展趋势。     

不确定系统的不确定项观测器设计

为了克服常规用不确定项的界估计来设计控制器带来的保守性和动态性能差的弊端,本文就连续的和离散的不确定系统,分别提出了不确定项的观测器设计方案.通过引入分布和离散加权平均的概念,对这两种观测器的观测误差精度进行了分析估算,从数学上证明了所得的观测值在加权平均意义下是无偏的.此外,通过适当选择观测器反馈增益,可以得到满意的误差估计精度.把该方法应用到一个控制系统中,仿真结果表明所提出的观测器能很好的估计不确定项和改进闭环系统动态性能.     

不确定信息的数值表示和计算方法

在现代自动化生产系统,指挥控制系绕和人工智能系统中,所用的信息是不确定的。已经发展了两类表示不确定信息的方法,即数值的和非数值的方法。本文对数值法中最常用的方法,包括概率法,确定性因数法,证据论和可能性理论的概念和计算方法做了较深入的论述,并对各种方法的优缺点作了比较。     

不确定时态信息表示及时态运算的扩展

时态信息表示和查询是时态数据库的研究重点,但现有的时态数据库模型在处理不确定时态信息方面仍存在较大困难。而现实生活中很多时态信息都是不确定的,故提出了一种不确定时态信息的表示方法,并扩展时态运算使其支持不确定时态信息的处理和查询,从而扩展了时态数据库的适用范围。     

一种传感器数据的融合算法

基于传统数字滤波方法在抗干扰性方面存在的问题,在统计意义下定义不确定信息的模糊支持区间和模糊支持概率后,利用概率源合并理论,提出一种特别适合智能仪表的信息融合方法。通过数据测试分析表明本方法具有较好的抗干扰能力,并能较好地克服由于多个同向干扰所带来的传统滤波方法的不稳定性。     

加权逼近粒子滤波算法及其应用

针对常规粒子滤波存在的粒子退化、粒子枯竭和运算量大等问题,提出了一种新颖的加权逼近粒子滤波算法(weight approaching particle filter,WAPF).在重采样前按粒子–权值大小将粒子集分组,用两组粒子的加权值覆盖权值较小的粒子,这样便可以使部分粒子从低似然区向高似然域逼近.借用Kullback信息描述加权逼近产生的粒子分布与似然分布的差别,通过迭代发现Kullback信息是递减的,这说明加权逼近粒子滤波算法是合理的.混沌摄动重采样算法,用类似载波的方法将具有全局遍历性的混沌变量引入,更增加了支持粒子集的多样性,且具有较少的运算量.仿真结果显示了所提算法的有效性.     

基于数字化接收机的补偿滤波器设计

阐述了数字化接收机中需要设计的CIC滤波器,分析用于设计补偿滤波器的基于切比雪夫逼近准则的FIR数字滤波器设计方法,给出了根据Remez算法设计的补偿滤波器.仿真实验表明,该补偿滤波器在改善CIC滤波器固有的通带衰减问题上的有效性.     

主–从滤波器设计及其在传递对准中的应用

本论文研究主一从自适应卡尔曼滤波器的设计及其在动基座传递对准中的应用．对于舰载惯性导航系统,利用速度加角速度匹配方案能够实现快速对准,然而该方案对船体挠曲变形比较敏感,若处理不当将造成对准精度下降．本文将挠曲变形视为对准过程中观测量的不确定性干扰噪声进行处理,并且利用方差匹配策略设计了主一从自适应滤波器,这两个滤波器并行运算,其中主滤波器用于估计惯性导航系统的状态,从滤波器用于估计噪声的统计特性．仿真结果表明,在对准模型存在未知的随机系统噪声时,所设计的滤波器能够快速且准确地估计出失准角,符合传递对准在快速性和精度方面的需求．     

多传感器分布式信息融合粒子滤波器

针对非线性非Gaussian系统的状态估计问题,提出一种基于信息融合的多传感器分布式粒子滤波算法。该算法首先利用粒子滤波方法分别计算局部传感器的状态估值,再应用分布式标量加权融合准则对状态估值进行信息融合。仿真结果表明和单传感器情形相比可提高滤波的精度。     

基于稀疏扩展信息滤波和粒子滤波的SLAM算法

针对传统粒子滤波算法单次迭代过程中仅应用到当前的信息,且小权值粒子代表的信息在重采样中被删除而导致信息不能充分利用的问题,提出了稀疏扩展信息滤波和粒子滤波相结合的同时定位与地图创建（SLAM）算法,信息矩阵记忆了机器人位姿的历史信息,应用Gibbs采样重新获得粒子集,使粒子集能够更好地描述后验分布,提高算法的状态估计精度。大量的Monte-Carlo仿真实验验证了该算法中机器人定位精度较FastSLAM2.0算法提高80%左右。     

最优中值滤波跨度计算及其应用

为提高地震资料的信噪比（Signal Noise Ratio，SNR），通过对地震模型纹理进行中值滤波实验分析，研究最优中值滤波跨度与波长、道间时差或频率、视速度之间的关系，推导最优跨度的计算公式，并以理论模型和实际数据进行验证，得到较为满意的中值滤波结果．     

进化粒子滤波算法及其应用

样本贫化现象是应用粒子滤波算法的一个主要障碍,对估计长时间维持不变量的影响尤为严重.通过分析产生该现象的原因,本文引入进化规划算子构成进化粒子滤波算法,增加样本集的多样性而缓解样本贫化现象的影响,改善其估计与跟踪能力,仿真结果显示所提出的算法是可行的.     

交互式容积卡尔曼滤波及其应用 交互式容积卡尔曼滤波及其应用

针对非线性系统模型参数未知情况下的状态估计问题, 提出一种融合极大后验估计的交互式容积卡尔曼滤波算法(InCKF). 该算法利用二阶斯特林插值公式和无迹变换对非线性函数的近似思想, 实现对模型未知参数的确定, 从而使滤波算法摆脱对模型参数精确已知的依赖, 并通过容积卡尔曼滤波算法完成状态估计和量测更新. 仿真结果表明, 相比于经典的参数扩维方法, InCKF 算法具有更高的精度和更强的数值稳定性.

     

一种自适应联邦滤波在车载组合导航中的应用

联邦滤波在组合导航的应用中,具有容错性好、滤波精度高、计算量小以及实时性好的特点,但在无法得到准确的系统模型时,使用联邦滤波会出现滤波精度低甚至发散的情况。针对车载组合导航信息融合的高精度、高可靠性等要求,提出了一种组合导航的自适应联邦滤波算法。其主要思想是以判别观测数据中的野值存在与否为算法切换条件,存在野值时采用改进的增益矩阵滤波处理方法,不存在野值时则采用模糊自适应联邦滤波方法。将此方法用于SINS/GPS车载组合导航系统中,实验表明,采用的这种自适应滤波方法,能够有效抑制滤波发散,其滤波精度和收敛速度要优于常规联邦滤波,是一种有效的车载组合导航算法。