量测噪声相关条件情况下的多传感器状态融合估计

对于量测噪声相关的多传感器系统,采用Cholesky分解和单位下三角阵的求逆方法,将其转化为量测噪声互不相关的等价模型,从而可以直接利用现有的融合算法进行状态融合,由此给出了量测噪声相关情况下多传感器的状态融合算法.该算法和已有的算法相比具有两大优点,该算法不仅考虑了量测噪声相关而且简单可行,而且该算法和已有的算法相比更具有一般性,对于有特征值相同的情形同样适用.数值仿真结果表明了该算法的有效性.     

基于带无偏输入的加权融合算法

给出了带输入估计的卡尔曼滤波算法,比较了带输入估计的卡尔曼滤波算法和标准卡尔曼滤波算法的差别,在此基础上提出了一种最优加权的数据融合方法,分析了最优权值的分配原则,给出了最优加权下的多传感器融合算法.该算法首先计算出各个传感器当前的滤波精度,依据各传感器当前时刻的滤波精度分配权值,同时测量方差的时变特性使得每次测量信息得到充分的利用,通过仿真比较了该方法与平均分配权值方法效果的差别,实验结果表明了该算法的有效性.     

一类混沌系统的动态输出反馈控制

为了对一类混沌系统实施控制,提出了利碍新的控制器来控制混沌系统。以往的混沌控制方法只针对个别特殊的混沌系统,而利用动态输出反馈的方法能控制一类混沌系统,这方面的工作以前也曾有过。利用李雅普诺夫稳定理论,结合线性矩阵不等式优化方法,分析了系统的稳定性。数值仿真也表明了所提出的控制策略的有效性。     

用Si’lnikov定理构造一个新的混沌系统

利用Si'lnikov定理构造一个含有平方项的三维混沌系统, 且系统有两个平衡点, 有一个是鞍焦平衡点, 构造的过程表明该混沌具有Smale马蹄(同宿轨混沌)。在满足同宿轨道Si'lnikov定理条件下可以找出大量的参数值, 使得系统处于混沌状态。数值仿真验证了该方法的有效性。最后, 用待定系数法找到系统中存在Smale马蹄, 因而是Si'lnikov意义下的混沌。