基于扩展卡尔曼滤波器的网络队列预测

为解决网络队列动态预测问题,提出一个网络系统在泊松分布流量和指数服务时间下的暂态队列行为预测模型并进行仿真验证。阐述基于扩展卡尔曼滤波（Kalman）的预测模型及其具体算法,结合网络中的数据流量特性,构建基于扩展卡尔曼滤波器的网络暂态队列预测模型,并根据仿真网络中的实际数据对模型进行验证。实验结果表明,所建立的网络暂态队列实时预测模型预测效果比较理想,基本与实时队列长度保持一致。因此,该模型可以较低的代价应用于网络中的动态路由算法及拥塞控制算法中。     

基于无迹卡尔曼滤波器的雷达测距算法研究

广义卡尔曼滤波(EKF)在进行数据处理时,仅对测距系统和量测方程作泰勒级数展开且仅保留线性项,因而EKF只适用于弱非线性对象的估计,被处理对象的非线性越强,引起的估计误差就越大,甚至会引起滤波发散。将无迹卡尔曼滤波(UKF)应用于非线性系统的目标处理。通过UKF在雷达测距中的应用和仿真结果分析表明,与EKF相比,UKF收敛快、对噪声适应能力更强且算法实现更简单。自适应无迹卡尔曼滤波（AUKF）可以对系统模型进行实时估计,通过分析知道无迹卡尔曼滤波算法满足实时性跟踪要求,实现了对运动目标的快速跟踪。     

基于智能算法优化卡尔曼滤波器的电机转速估计

针对感应电机扩展卡尔曼滤波器转速估计中难以取得卡尔曼滤波器系统噪声矩阵和测量噪声矩阵最优值的问题,提出了一种基于改进粒子群算法优化的扩展卡尔曼滤波器转速估计方法。算法通过融合遗传算法和粒子群算法的优点,采用可调整的算法模型对粒子群算法进行改进,将改进的粒子群算法对扩展卡尔曼滤波器中的系统噪声矩阵和测量噪声矩阵进行优化处理,将优化后的卡尔曼滤波器应用于感应电机转速估计,仿真实验表明,与试探法、标准粒子群算法及遗传算法比较,改进粒子群算法优化的扩展卡尔曼滤波器能够有效提高转速估计的精度,从而提高无速度传感器矢量控制系统的控制性能。     

基于激光雷达和超宽带的SLAM算法

为了解决基于概率估计的同时定位与地图构建(SLAM)方法存在的精度低、计算量大、数值不稳定等问题,提出了一种基于激光雷达和超宽带(UWB)的SLAM算法。通过UWB和容积卡尔曼滤波器(CKF)对移动目标位姿进行估计,以及激光雷达和CKF对路标点的位置进行估计,实现实时定位与地图构建的目的。对比传统SLAM算法,该算法引入了UWB定位系统,消除了目标位姿估计的累计误差及其对地图构建的影响。仿真结果表明,提高了定位和地图构建精度。     

基于卡尔曼滤波器的机动目标跟踪仿真

将卡尔曼(Kalman)滤波器的变维滤波算法应用于雷达数据处理中,对机动目标进行跟踪,得出机动目标的滤波数据曲线,并对目标进行了拦截仿真。仿真结果表明该方法能估计出目标的运动特征并对运动目标拦截成功。     

基于高斯随机向量统计特性的卡尔曼滤波器推导方法

为帮助需要深入了解卡尔曼滤波器的研究人员或使用卡尔曼滤波器的工程人员深入学习这一非常有用的工具,利用高斯随机向量及其统计学特性,尤其是概率密度函数对卡尔曼滤波递归方程进行推导。在推导过程中,给出了卡尔曼滤波器推导所需的相关理论依据及数学工具。该推导方法简单、直观,更便于人们理解卡尔曼滤波器工作机理,并根据实际应用过程进一步开展更深层次的研究。     

一种基于扩展Infomax的自适应学习算法

独立向量分析根据信源统计独立特性对观测信号进行分离运算,扩展Informax算法既能分离超高斯信号,也能分离亚高斯信号,得到广泛的应用。本文基于扩展Infomax算法特点,提出了一种自适应的学习算法,该算法使得学习步长根据信号的代价函数变化而变化,克服了扩展Infomax算法在稳态步长调整过程中的不足,仿真结果证实了该算法的有效性。     

基于EA的建模扩展机制介绍与实践

EA(Enterprise Architecture)是由Sparx Systems公司开发的一款功能强大的UML分析与设计工具,该工具提供了对软件开发生命周期中各个阶段的支持。由于它功能强大且轻巧好用,价格便宜,特别适用于为中小型企业软件开发过程的UML建模提供支持,正因如此,该工具受到越来越多开发人员的青睐。EA本身已经提供了强大的建模功能,同时,它还提供了一些扩展机制,充分利用这些扩展机制可以让该工具更好地支持我们的软件开发过程。介绍了EA组织模型的方式和EA提供的扩展机制;讨论了如何在.NET平台上实施Addin扩展机制。     

基于卡尔曼预测的轨迹片段关联目标跟踪算法

利用卡尔曼算法对运动目标跟踪展开研究,提出了一种基于卡尔曼预测的轨迹片段关联目标跟踪算法。首先利用卡尔曼预测缩小搜索区域,对检测结果进行匹配关联,生成可信的短轨迹片段;然后对每个轨迹片段通过卡尔曼预测迭代关联,形成单个目标的跟踪轨迹集合。实验证明该方法可有效提高轨迹片段关联跟踪算法效率,解决目标相互遮挡问题,实现对目标的稳定跟踪。     

强耦合时滞系统的改进型卡尔曼滤波器设计

为了提高强耦合时滞系统的跟踪性能,设计了改进型卡尔曼滤波器.首先,描述了一类强耦合时滞系统的数学模型;其次,用指数衰减记忆的改进型卡尔曼滤波器对一类强耦合时滞系统的状态进行了估计.仿真结果表明,改进型卡尔曼滤波器的跟踪性能优于常规的卡尔曼滤波器.     

基于扩展Kalman滤波器电机转子磁链观测器的设计

交流感应电机是多变量、非线性、强耦合的高阶系统，所有这些控制方案的实现，几乎都需要转子磁链信息。基于此提出了一种基于扩展Kalman滤波器理论的磁链观测器的设计方法，并对所设计的观测器进行了计算机仿真，得到了良好的观测效果。     

基于HVS的自适应盲水印算法

提出了一种基于人类视觉系统特性的和DCT变换的图像水印算法,首先根据HVS特征计算载体图像每个分块的嵌入阈值,然后利用阈值实现水印在不同分块的自适应嵌入。通过仿真实验,算法在确保鲁棒性的基础上实现了较好的透明性。     

基于二阶RC锂电池模型的自适应卡尔曼SOC估算

为了更加精确地估算锂电池荷电状态,建立能够反映电池动态工作特性的二阶RC等效模型。在模型参数辨识的基础上,先用数学分析、电路模型构建相关状态方程与观测方程,再结合扩展卡尔曼滤波算法,针对状态噪声与观测噪声的不确定干扰,提出一种自适应调整方案。通过锂电池放电实验,结合MATLAB仿真分析,验证了自适应调整后的卡尔曼滤波算法可更精确地预估锂电池荷电状态,与扩展卡尔曼滤波算法相比,该算法降低了约2.31%的误差。     

基于降阶推广卡尔曼滤波器的异步电机无速度传感器矢量控制

提出一种估计异步电机转子速度和转子磁链的新型降阶推广卡尔曼滤波器算法 ,建立了基于此算法的异步电机无速度传感器矢量控制系统 .以转子磁链的两个分量为状态变量 ,被估计的参数转子速度作为扩充状态变量 ,构成三阶推广卡尔曼滤波器算法 ,算法阶数的降低明显地减少了运算量 ,适合实时实现 .仿真结果显示转子速度和转子磁链的估计精度高 ,系统的速度控制性能令人满意 ,证明此算法有效可行 .     

多轴载荷作用下表面裂纹的疲劳扩展

通过对圆柱体直前缘表面裂纹在循环拉伸与循环扭转载荷共同作用下的扩展规律进行实验研究,分析了不同载荷曲线相位差、以及拉扭应力幅度对表面裂纹扩展路径、疲劳寿命和裂纹扩展速率的影响。结果表明:不同的相位差对裂纹扩展行为有着非常重要的影响。初始阶段的裂纹扩展主要受到剪应力幅度的影响,后继扩展则依赖于轴向应力幅度。拉应力和剪应力的增加均会增加裂纹扩展速率,但轴向应力幅度变化的影响大于剪切应力幅度。     

面向异常事件监控的目标跟踪算法设计

针对异常事件监控的需求,提出一种运动目标跟踪算法.该算法首先运用背景减法检测出运动目标,然后运用SURF(speeded-up robnst features)对运动目标进行特征提取和特征匹配,结合扩展卡尔曼滤波器(EKF)实现目标跟踪.实验结果表明,该算法能够有效地解决静态场景下异常事件监控等问题,具有较好的实时性和鲁棒性.     

基于贝叶斯滤波方法的心脏运动信号实时滤波算法

提出一种基于贝叶斯滤波递推状态估计的心脏运动测量信号实时滤波算法,提高心脏数据的测量精度,该方法建立了心脏运动模型与传感器误差模型,采用了扩展卡尔曼滤波与粒子滤波两种贝叶斯滤波方法的实现形式。实验结果表明,提出的算法有效地还原了心脏运动的真实值,并且满足了跟踪系统实时数据处理的要求,为整个系统精度的提高提供了保证。     

基于"扩展知识空间理论"的自适应测评过程研究

自适应测评是知识空间理论最重要的应用之一。随着“知识空间理论”在技能知识上的扩展,原有的基于知识空间理论的测评过程也需要进行相应地调整。本文提出了基于扩展知识空间理论的自适应测评的详细步骤,并对其中的关键过程做了进一步地优化。     

基于扩展集合操作的关联规则生成算法研究

关联规则的挖掘分为两步，首先找出满足最小支持度要求的频繁项目集，然后根据频繁项目集生成满足最小置信度要求的关联规则集．目前对关联规则挖掘的研究主要集中在频繁项集的生成上，然而，作为整个关联规则挖掘的一部分，由频繁项集生成关联规则的算法也有待进一步研究和改进．本文首先对传统的集合操作进行了扩展，然后在扩展集合操作的基础上，提出了由已挖掘出的最大频繁项集生成关联规则的算法ARD-ES，并对算法的复杂度作了理论和实验上的分析．实验表明，ARD-ES算法随着事务数据库容量的增大，时间占用的攀升基本上是线性的，空间占用在某一定值上下波动．     

基于FPGA的多相FIR数字滤波器的设计

有限冲击响应滤波器（FIR）被大量用于各种数字通信系统中，实现各种功能．用现场可编程门阵列（FPCA）实现各种功能的FIR滤波器，得到普遍应用．采用FIR直接型滤波器结构，每计算一个数据都要做大量的乘法和加法，计算量非常大，给工程实践的实现带来了很大困难．本文利用FPGA实现多相结构的FIR滤波器，可以大幅度的节约资源，减少运算量．