降低WSN目标失跟率的自适应采样频率方法

针对无线传感器网络(WSN)固定采样频率下机动性目标失跟率较高的问题,分析了机动性目标失跟的机理,建立了表征失跟率、采样频率、目标速率关系的数学模型,提出了降低目标失跟率的自适应采样频率方法,并对速度大小、方向变化的机动性目标跟踪问题进行仿真实验.结果表明,与固定采样频率方法相比,采样间隔距离参量d恒取不同值时自适应采样频率方法的失跟率平均降低了3.3%~6.0%;当d恒等于50m时,失跟率平均降低6.0%,网络能耗降低13.1%.     

一种用于杂波中机动目标跟踪的自适应关联波门设计方法

针对传统关联波门设计方法在应用于机动目标跟踪时容易引起失跟现象的问题,提出一种新的自适应关联波门设计方法。该方法在综合交互多模型概率数据关联算法的基础上进行关联波门设计,当波门内不存在有效量测时,首先以最大机动水平对应的模型误差协方差对关联波门进行适当扩大,确保量测点迹进入波门。然后假定目标的机动能力已知,在目标运动状态的预测范围内利用观测信息寻找最小均方误差意义下的最优波门中心。该方法可以从根本上改善关联概率,从而降低失跟率,提高目标跟踪精度。仿真结果表明,与传统关联波门设计方法相比,该方法的失跟率降低了30%~40%,而且目标机动时的跟踪精度提高了20%~30%。实测数据同样验证了该方法的有效性。     

基于“当前”统计模型的模糊自适应航迹预测算法

基本的"当前"统计模型由于其机动加速度极限值固定不变,只能描述机动加速度较大的机动目标。因而基本的"当前"统计模型及其自适应滤波算法(CSAF)对机动性较强目标的预测性能较好,而对机动性较弱目标的预测误差较大。针对这个问题,新算法中设计了一种新的模糊隶属度函数,利用机动目标的"当前"加速度来自适应地调整机动加速度极限值,使"当前"统计模型可以描述具有任意加速度的机动目标。最后,运用该算法和CSAF算法对机动目标进行了航迹预测仿真实验,仿真实验结果表明,无论对于机动性较强的目标还是机动性较弱的目标,新算法的预测性能均优于CSAF算法。     

一种稀疏度拟合的图像自适应压缩感知算法

针对运用压缩感知理论对图像进行自适应压缩采样时,采样率及稀疏度阈值确定具有很强的主观性,提出一种稀疏度拟合的精确自适应采样算法.该算法通过循环迭代来确定各个稀疏度下满足PSNR要求的最低采样率,利用最小二乘法对稀疏度及采样率数据进行拟合,得到稀疏度-采样率选取的最佳目标函数.基于TVAL3重构算法对上述自适应采样算法进行了实验仿真,结果表明,重构图像的PSNR均高于用相同值的固定采样率重构的PSNR值,其中纹理特征区分明显的图像此PSNR差值能达到3.5 dB以上.相比粗糙自适应算法,平均采样率比其降低的同时,重构图像仍得到了更高的PSNR值.      

基于BTS数据集的航班延误分类和预测算法

针对神经网络分类模型对美国联邦运输统计局(Bureau of Transportation Statistics, BTS)航班数据集中的不均衡数据预测误差较大的问题,采用自适应合成采样算法(adaptive synthetic sampling approach, ADASYN)和合成少数类过采样算法(synthetic minority over-sampling technique, SMOTE)对航班延误类别进行平衡处理,并用随机森林(random forest, RF)模型进行训练和贝叶斯调参。结果表明：与不经过平衡采样的方法比较,该方法在权重平均下的精确率、召回率和F₁评分分别提高了19%、8%和16%;分类预测准确率提升8.03%,模型拟合指数AUC(area under curve)提升5.4%。同时,采用多特征相融合的图神经网络模型Graph WaveNet对航班平均延误时间进行预测。实验结果表明：与单特征模型比较,该模型平均绝对误差和均方根误差分别降低了16%和12.45%。这些方法和结果对研究航班延误分类和预测算法研究具有参考价值。     

光电跟踪平台脱靶量滞后补偿方法

针对光电跟踪平台在跟踪目标时存在脱靶量滞后的问题,设计了一种基于非线性跟踪微分器和机动目标"当前"统计模型的滞后补偿方法。根据光电跟踪平台中目标脱靶量的产生机理,将脱靶量滞后等效为纯延迟环节和采样保持环节的串联,利用非线性跟踪微分器得到滞后脱靶量的跟踪信号及其微分信号。在此基础上,采取直接预测补偿法处理延迟环节,从而估计出不含延迟的脱靶量信号,并利用滞后脱靶量和跟踪信号的间距自适应调整非线性跟踪微分器的参数。根据机动目标的"当前"统计模型建立离散状态方程,采用修正的瑞利分布描述目标加速度的"当前"概率密度,从而估计在采样保持阶段的目标脱靶量,实现对采样保持环节的补偿。实验结果表明:所提方法将单位阶跃响应的超调量由基于自适应最小均方差补偿方法及基于卡尔曼滤波补偿方法的19.4%和13.7%降低至2.5%;所提方法能有效补偿延迟环节和采样保持环节,提高光电跟踪平台的目标跟踪精度。     

自适应BPSK解调方法研究

提出了一种新型的基于自适应滤波算法的解调二进制相移键控（BPSK）信号的方法。以常用的最小均方误差自适应算法（LMS）为例，讨论了新型的BPSK自适应解调的过程及其性能。该解调算法不需要自适应滤波器完成收敛，从而降低了采样频率。给出的理论性能与仿真结果表明，BPSK自适应解调的误码率仿真结果与理论值吻合非常好；而且该方法具有抗干扰性能强、输出响应快、便于数字信号处理（DSP）技术实现等特点，在相同的采样频率下其误码率优于相关解调的误码率。     

车联网干线协调控制相位差自适应优化

为了提高车联网环境中干线的通行效率,提出一种车联网中干线协调控制相位差自适应优化方法.本文基于车辆换道延误模型建立了以上游交叉口车辆数为输入、下游交叉口信号相位差调节量为输出的模糊控制网络;为解决车流和路况变化造成的控制效果降低问题,以车辆交叉口平均等待时间最小为目标,对模糊规则进行自适应调节;通过基于Q-Paramics的车联网仿真平台对本文提出的方法进行验证.结果表明:本文提出方法控制效果明显优于传统干线协调控制方法;在车流大幅震荡和车流随机波动条件下,较固定规则的干线模糊控制方法能够分别降低车辆平均等待时间12.35%和9.7%.本文方法能够适应车流变化和路况变化,具有更优的适应性、可用性及工程价值.     

LCL型并网逆变器的自适应 开关频率控制

针对光伏系统工作在低功率状态下LCL滤波器的滤波效果变差的问题,提出一种根据逆变器瞬时输出功率改变开关频率的控制策略.首先,分析LCL滤波器各参数的设计方法,采用单级光伏并网逆变结构,在基于电网电压定向的矢量控制(VOC)的基础上建立频率控制环,以确定当前功率状态下开关管的最佳开关频率.其次,分析频率环中功率鉴定器、频率鉴定器和频率滞环比较器的设计方法.最后,通过实验对比传统固定开关频率控制和自适应开关频率控制的并网电流波形.实验结果表明:该自适应开关频率控制方法能降低并网电流畸变率,有效改善并网电能质量,控制策略具有可行性和有效性.     

基于自适应事件触发的交通网络预测控制

为了降低网络控制系统的通信资源占用率,提出了一种自适应事件触发模型预测控制策略,实现自适应状态传输并保证系统稳定.在自适应机制下,只有当满足触发条件时,系统状态和控制器控制律才由无线网络发送,自适应触发参数决定当前采样数据发送的频率.设计了一种鲁棒的预测控制器,保证网络控制系统的闭环稳定性.通过仿真实例验证了本文方法的...     

改进的截断正态概率密度模型自适应滤波算法

应用当前统计模型跟踪机动目标时,模型参数机动频率和加速度极限值需要根据经验事先设定,在假设不准确的情况下,大大降低了模型的跟踪精度。针对此问题,基于截断正态概率密度模型,提出了一种新的参数自适应跟踪滤波算法。该模型算法通过使用距离函数来表征目标进行机动的强弱状况,采用指数型调整函数自适应调整目标的加速度极限值和机动频率,从而实现了对系统状态噪声和滤波增益的自适应调整,提高了机动模型与目标实际机动情况的匹配程度,提升了滤波器的跟踪性能。仿真结果表明:与常规ACS和TGPMKF算法相比,新算法在跟踪机动目标时,性能更优。     

当前统计模型自适应滤波算法改进

由于"当前"统计模型自适应滤波算法对于最大加速度的过分依赖,使其对于弱机动目标并不具有较高的跟踪精度,基于"当前"统计模型自适应滤波算法的研究及目标跟踪性能的分析,提出了将目标的机动状态划分为强机动和弱机动,当目标在作弱机动运动时,可通过修正最大加速度来提高跟踪精度,分别针对常速、常加速、弱变加速三种弱机动情况进行了数学仿真,仿真结果表明,通过修正最大加速度的方法,可使该算法对于弱机动目标的跟踪精度大大提高。     

机动目标跟踪中机动频率的自适应调整

研究机动目标跟踪过程中机动频率的自适应调整方法,使其值更加符合目标的实际机动状况.根据卡尔曼滤波残差是否符合零均值正态分布,判断目标机动频率是否发生改变,并采用简化的最小均方误差(LMS)算法对机动频率加以自适应调整.仿真实验表明,通过对频率自适应调整,使机动目标的位置、速度估计误差明显减小.     

基于机动频率自适应的目标跟踪算法

利用观测新息在目标机动时发生变化的信息，设计了一种自适应的机动目标跟踪算法，通过对目标状态误差的估计，从而自适应的改变机动频率，使跟踪算法与目标的真实状态更接近，该算法具有运算量小、跟踪精度高、易于工程化实现的特点。     

提高多普勒雷达测速估计精度的方法

针对连续波多普勒雷达外弹道测速的特点,为了解决频率分辨率与采样频率影响多普勒雷达速度测量精度的问题,提出应用快速傅里叶变换的频谱分析法.该方法基于目标弹道升、降规律对估计频率进行线性调整,能有效提高多普勒雷达的作用距离、测试精度和抗干扰能力,避免由于频率分辨率不够而出现连续相同的速度值.利用信号相邻两次截断后的频谱相位信息能提高频率估计精度.仿真结果和外场试验表明该方法在较低信噪比下,仍可以得到很高的频率估计精度.     

相干测风激光雷达带通采样方法的仿真研究

根据相干测风雷达回波信号载频高、带宽窄的特点,尤其星载相干测风雷达回波信号数千兆赫兹,采用传统采样方式对采集卡的采样率要求很高.鉴于采集卡的采样率和分辨力互相制约,提出将带通采样引入到相干测风雷达系统.本文以1.5 μm全光纤相干测风激光雷达的实测数据作为仿真输入,经Simulink滤波、带通采样,结果表明,在对探测距离影响不大的情况下,与低通采样方式相比径向风速反演结果最大相差0.5 μm/s;数据处理的时间复杂度降低,其下降值是带通采样频率与低通采样频率的比值;但信噪比会恶化,其下降值介于1~3 dB.      

基于模糊神经网络融合的目标自适应跟踪算法

为解决基于“当前”统计模型的自适应滤波器对弱机动,特别是非机动目标跟踪精度下降问题,提出基于模糊神经网络的目标自适应跟踪算法,对并行工作的两滤波器进行数据融合.仿真结果表明:与一般自适应算法相比,该算法对各种机动程度的目标跟踪精度均有不同程度的提高,能更好地适应目标的各种运动形式,尤其适用于对目标的速度和加速度估计精度要求较高的场合,在指控、火控系统中具有实用价值.     

混合坐标系singer模型跟踪突发机动目标改进算法研究

针对混合坐标系下singer模型对跟踪弱机动目标初期误差出现跳变现象,且对突发机动跟踪自适应能力较差的情形,本文提出一种改进算法,通过引入渐消因子,实时调节一步预测协方差,以此调节滤波器增益,增强了滤波器跟踪突发机动目标的适应能力,同时改进了混合坐系下singer模型跟踪算法的精度.仿真结果表明,本文算法对突发机动自适应跟踪能力和弱机动目标跟踪精度都有提高