一种基于IMM的自适应目标跟踪算法研究

对目标进行自适应跟踪是节约雷达资源的途径之一.以相控阵雷达为基础研究了一种目标自适应跟踪算法.介绍了传统连续情况下的周期采样方法,通过设定上、下界来限制算法中采样周期的变化.并在连续采样的基础上给出一种改进的离散采样算法,改进算法通过比较滤波残差和量测误差设定一组离散采样值,计算量减小,跟踪误差降低.基于IMM对两种自适应采样算法以及固定周期采样算法进行Monte Carlo仿真对比,仿真结果表明两种自适应采样算法均大大降低了采样宰,改进的离散自适应采样算法跟踪性能相对较好.     

周期信号频谱分析应注意的问题

在实际应用中,常用ＤＦＴ算法对周期信号作频谱分析,但周期信号的频谱和一般信号的频谱有着不同的物理意义。一般信号的ＤＦＴ结果表示该信号在频率Ω处的频谱密度,它是一个连续信号,周期信号的ＤＦＴ仅表示它的基波及各次谐波的幅值,是一个离散信号。一些对一般信号进行频谱分析的方法,使用于周期信号则不合适。另外,如果采样时基选择不好、于周期信号则不合适。另外,如果采样时基选择不好、时基偏移或干扰等原因,都会造成     

一种滤除衰减直流分量的保护算法

当输入信号中含有衰减直流分量时,基于周期函数模型的全波傅里叶算法会产生较大误差。针对该问题,提出了一种改进的全波傅里叶算法。该算法不需要增加采样点数,只需对采样序列进行奇偶分列并分别进行傅里叶计算,即可得到各周期分量的精确计算公式。仿真结果表明,该算法计算简单、数据窗短,可有效地消除衰减直流分量的影响。     

离散自适应重复控制: 收敛性分析与实现

针对周期已知情形下的离散周期时变系统, 提出一种自适应重复控制方法, 参数估计采用带死区修正的重复学习投影算法. 关键技术引理在分析离散自适应控制系统时起到了关键作用, 通过推广这一引理, 文中给出重复域关键技术引理, 用于证明离散自适应重复控制系统的稳定性和收敛性. 理论分析表明, 系统的输入和输出信号均有界; 且当周期数趋于足够大时, 跟踪误差收敛于一邻域中, 其半径为干扰的界. 在直线电机实验装置上的应用结果验证了 所提出重复控制方法的有效性.     

自适应数据采集与重构算法仿真研究

针对固定采样周期和输入输出增益的动态信号数据采集观测失效问题,以二阶系统的阶跃响应过渡过程为研究对象,提出了一种采样周期和信号增益自适应数据采集与重构算法,能够根据实时系统的结构参数自动调整采样周期、数据采集输入调整倍率和数据重构输出匹配倍率,从而自动适应信号幅值和过渡过程调节时间的变化,实现有效观测.设计了自适应数据采集与重构MATLAB仿真程序,并借助一组具有代表性的检验试样运行验证了这种算法的正确性.     

基于延拓相关算法的蓄电池内阻参数提取研究

针对蓄电池内阻参数提取中待测微弱信号易受噪声和干扰的影响,利用信号和噪声的不相关性,提出了一种基于延拓相关理论的抗噪处理算法。该算法选取两路同频正交参考信号中的一路信号注入蓄电池,然后将输出信号和原两路正交参考信号分别经过采样滤波后转化成离散序列,对离散信号进行延拓相关运算,最后利用和差三角函数得到内阻幅值和相位的计算值。实验结果表明,在高噪声背景下该算法有较高信号分辨率,对蓄电池内阻幅值和相位的测量有较高准确度。     

基于离散余弦变换的自适应数字音频水印技术研究

提出了一种将灰度图像嵌入到音频信号的数字水印算法 .该算法以包含丰富信息的灰度图像作为数字水印 ,首先利用 DCT静态图像压缩技术 ,将二维数字水印 (灰度图像 )编码成一维二进制序列并进行随机置乱 ,再对数字音频信号进行分段处理并依据人类听觉系统 (HAS)择段做离散余弦变换 (DCT) ,最后在离散余弦变换域内通过修改中高频 DCT系数完成水印信息的自适应嵌入 .实验结果表明 :该自适应数字音频水印算法不仅具有较好的透明性 ,而且对诸如叠加噪声、有损压缩、低通滤波、重新采样、重新量化等攻击均具有较好的鲁棒性     

杂波环境下网络波动信号采样模型

杂波环境为可对信号产生随机干扰的环境.对上述环境下的网络信号进行采样,可以有效监测网络环境,防范网络入侵和拥堵.由于在杂波环境下的网络信号具有扩展衍射特征,使得正常网络信号存在较大波动性.传统方法进行网络信号采集过程中,在网络信号存在波动的情况下,采样时频重叠调制进行采集,未能纳入杂波先验信息,波动序列的扩展衍射特征形成欠定采样,造成信号采集效果不好.提出基于自适应空间域窗口采集算法的网络波动信号采样模型.将谐波小波核函数和支持向量机理论相结合,获取样本回归模型,得到该模型的约束条件,并对上述回归模型求取最优解,得到网络波动信号采样结果.实验结果表明,利用改进算法进行网络波动信号采样,能够极大的提高采样的准确性和实时性,满足网络波动信号的采集要求.     

微弱正弦信号参数估计算法研究

该文提出了一种强噪声背景下微弱正弦信号频率、幅值与相位三个参数的估计算法.根据离散小波变换,对强噪声背景下采样序列进行预处理,构造N+2个新的序列.对该序列实施离散傅里叶变换,结合序列的构造方式得到了正弦信号频率,相位和幅值的估计算法.仿真实验表明,在不同类型的噪声背景下,该算法具有较高的估计精度与较强的鲁棒性.     

基于函数插值的柯氏质量流量计信号处理方法

对基于离散傅里叶变换(DFT)信号处理方式的柯氏质量流量计来说,影响其精度的关键问题是如何实现信号的整周期采样。提出了一种全新的方法,用采样率固定不变的采样数据,通过软件实时地确定信号的频率并且实现信号整周期重新采样。实验结果表明该方法在求取相位差时具有极高的精度。     

改进的快速富里叶变换及其在轧钢机偏心补偿中的应用

改进的快速富里叶变换的计算方法能够在采样的持续时间不是信号的周期的整数倍时, 准确地提供此信号中各周期分量的特性.它可以用于分析周期未知或者周期经常变化的信 号.本文介绍了它的计算方法,及其在轧钢机中由轧辊偏心引起的变化信号补偿中的应用.     

砂轮振动信号的小波分析算法

砂轮不平衡产生的振动信号是与砂轮转速同频的周期信号，精确获取与转速同频的信号值是对砂轮进行动平衡的前提。由于采集的振动信号中含有频率等于砂轮转动频率的不平衡量信号和它的各次谐波，以及频率不是砂轮转动频率整数倍的非整倍频分量、随机干扰信号等等，对于这样一个复杂信号，要想在线实时提取出振动不平衡量，信号检测问题成为系统设计的一个关键所在。设计应用小波分析算法有效地提取了砂轮的不平衡振动信号，实验和仿真表明，该算法有效，应用此算法构造的砂轮在线动平衡装置取得了满意的效果。     

一种基于改进DFT算法的相位差测量研究

相位差是指两路同频率周期信号初相位的差,在工业系统中有广泛应用,传统DFT算法测量工频相位差存在很大的频谱泄露误差。论文提出一种改进DFT相位差算法,使用布莱克曼自卷积窗对信号截短,并利用离散频谱校正方法修正有用频谱处的相位,并计算出相位差。仿真实验证实,在存在多次谐波干扰条件下,改进DFT算法能够克服频率波动和白噪声干扰,算法精度比现有的矩形自卷积窗插值算法提高2个数量级以上,可以实现相位差的高精度测量。     

离散过程神经网络在时间序列预测中的应用

为解决复杂时间序列的预测问题,针对目前过程神经网络的输入为多个连续的时变函数,而许多实际问题的输入为多个序列的离散值,提出一种基于离散输入的过程神经网络模型及学习算法;并以太阳黑子数实际数据为例对太阳黑子数时间序列进行预测,仿真结果表明该模型具有很好的逼近和预测能力。     

Derivation of fast algorithms via binary filtering of signals

We present a new way to derive a fast algorithm realizing the discrete Walsh transform (DWT), which can be applied both in the traditional form, i.e., to a one-dimensional numerical array, and to a multi-dimensional array, as well as for a signal of a continuous argument in the form of a function or an image. The algorithm is presented as iterated application of the primitive discrete Haar transform (DHT) over two variables. Two standard ways of arranging the results of this simplest transform lead to the fast DWT in the Hadamard or Paley enumeration in the case of splitting the signal into equal parts. Application of the algorithm to analogous shifts of the periodic source signal results in longitudinal filtering of a signal via decomposing it into a sum of simpler signals. In an incomplete version of the last algorithm, we come to an analog of the fast DHT.     

广义二型模糊逻辑系统降型及其采样离散Nie-Tan算法

广义二型模糊逻辑系统在近年来成为学术研究的热点问题,而降型是该系统中的核心模块。最近的研究证明了连续Nie-Tan(CNT)算法是计算区间二型模糊集质心的准确方法。发现了离散Nie-Tan(NT)算法中的求和运算和CNT算法中的求积分运算的内在联系,用2类算法完成基于广义二型模糊集α-平面表达理论的广义二型模糊逻辑系统质心降型。3个计算机仿真实验表明,当适当增加主变量采样点个数时,所提出的基于主变量采样的离散NT算法计算出的广义二型模糊逻辑系统质心降型集和解模糊化值结果可以精确地逼近基准的CNT算法,且采样离散NT算法的计算效率远远高于CNT算法的效率。     

面向多表连接查询优化的基数估计方法

基数估计是实现数据库多表连接（JOIN）查询优化的重要手段之一。对数据量较大的数据表进行基数估计时常用数据抽样来获得较小的样本,从而估计各种查询负载下所需的数据基数。在单表上利用数据抽样来完成基数估计的方法已经得到广泛研究,但在多个数据表的抽样样本总体存储预算存在限制时,目前仍缺乏有效的多表间样本数划分方法使得整体基数估计达到较优。为此,提出一种面向多表JOIN查询优化的基数估计方法,针对一组给定的含有复杂多JOIN操作的查询负载,为其合理分配数据库中每个表的抽样率,从而在满足样本大小总和限制的同时使得基数估计准确率达到最高。将上述过程抽象为一个抽样率分配搜索问题,在数据库数据抽样问题中引入贝叶斯优化搜索算法,利用该算法快速搜索出不同表之间抽样样本大小的分配比例,使得有限时间内获得的样本分配方案对应的基数估计准确率最高,从而达到查询优化的目的。在TPC-H数据集上的实验结果表明,在相同时间内确定多JOIN操作查询负载下基数估计准确率最高的抽样比例方案时,相比随机搜索算法,贝叶斯优化算法所得方案对应的基数估计误差率降低54.8%~60.2%。     

Robust output feedback learning control for induction motor servo drives

This paper addresses the output feedback tracking control problem for induction motor servo drives with mechanical uncertainties: rotor angle, rotor speed and stator currents are assumed to be available for feedback. A robust adaptive learning control is designed under the assumption that the reference profile for the rotor angle is periodic with known period: it ‘learns’ the periodic disturbance signal by identifying the Fourier coefficients of any truncated approximation; ??₂ and ??_∞ transient performances are guaranteed in the ‘learning phase’. It is shown that, for any motor initial condition belonging to an arbitrary given compact set, by properly setting the control parameters: (i) the rotor position and flux modulus tracking errors exponentially converge to residual sets, which may be arbitrarily reduced by increasing the number of terms in the truncated Fourier series; (ii) when the unknown periodic disturbance can be represented by a finite Fourier series, the rotor position and flux modulus tracking errors exponentially converge to zero. As in field oriented‐control, the control algorithm generates references for the magnetizing flux component and for the torque component of the stator current leading to significant simplifications for current‐fed motors. Copyright © 2008 John Wiley & Sons, Ltd.     

A new fair scheduling algorithm for periodic tasks on multiprocessors

We present a new scheduling algorithm, called PL that is work-conserving and in terms of schedulability, optimal on multiprocessors for a synchronous periodic task set. The PL algorithm is a laxity based algorithm and ensures execution of a task with approximate proportional fairness at each task's period. Existing optimal algorithms on multiprocessors may cause excessive scheduling decisions and preemptions or may not be applied in a discrete environment. The proposed algorithm can be applied in a discrete environment and reduce the number of scheduling decisions and preemptions compared with a Pfair algorithm.