基于抗差估计的三维测向无源定位算法

针对方位角和俯仰角存在异常误差影响机载单站三维无源定位结果准确性的问题,提出一种鲁棒的递推最小二乘(RRLS)定位算法。在最小二乘(LS)解的基础上,利用M估计原理求出目标位置的鲁棒估计形式。为保证定位的实时性,推导了鲁棒的递推最小二乘算法,并选取IGGⅢ权函数作为等价权函数。理论分析表明,RRLS算法能够准确识别异常误差,通过降低异常观测数据的权值来减小其对定位准确性的影响。仿真结果表明,在两角存在异常误差时,RRLS算法具有良好的抗异常误差能力,保证了定位结果的有效性和快速收敛。     

基于分散化神经鲁棒控制的轨迹跟踪算法研究

针对外部扰动以及建模误差对机械臂轨迹跟踪精度影响的问题,利用递归神经网络设计了分散化的神经鲁棒控制器,采用机械臂各个关节状态方程的子系统表示整个系统。使用滤错训练算法估计神经网络未知权重系数,同时引入鲁棒项抑制关节神经控制器之间的相互影响和建模误差,并利用Lyapunov函数进行稳定性证明。与没有鲁棒项的仿真结果对比表明,设计的分散化神经鲁棒控制器具有更精确的轨迹跟踪精度,误差的收敛性更好,稳定性更高。     

制导炮弹非线性鲁棒自适应控制系统设计

针对制导炮弹非线性模型存在参数不确定性、建模误差和外界干扰的特点, 基于动态面设计了制导炮弹的鲁棒自适应控制器, 在设计过程中加入了一阶低通滤波器, 得到虚拟控制量的微分, 从而消除传统反步法中“计算膨胀”的难题。针对模型的不确定参数的影响采用鲁棒函数抵消, 并通过非线性阻尼项消除外界扰动, 最后由Lyapunov方法证明该闭环系统为半全局稳定。该设计方法较为简单, 在有效利用已知信息的前提下, 放宽了不确定项的限制条件, 且跟踪误差可以通过控制器的可调参数加以调整。仿真结果证明了该方法的有效性。     

基于扩张状态观测器的非线性变结构控制器研究

本文针对极点配置法扩张状态观测器ESO的不足,充分利用系统已知信息设计出一种新型ESO,并将其与变结构控制理论相结合,提出一种非线性鲁棒变结构控制器的设计方法,克服了基于反馈线性化理论的非线性控制因数学模型的误差而影响控制器性能的缺点。仿真结果表明所设计的非线性鲁棒变结构控制器对于对象模型参数摄动和外扰具有良好的适应性和鲁棒性。     

基于鲁棒回归的运动背景补偿技术

为检测运动背景中的动目标，通常需要进行运动背景补偿校正。本文充分考虑运动背景下的各种因素，提出一种基于鲁棒回归的运动背景补偿技术。它首先利用光流场模型估计背景运动速度，之后利用鲁棒叠代加权最小二乘法估计图像传感器的全局运动参数，通过估计出的全局运动参数对运动背景进行补偿校正。实验结果表明本文所述方法的有效性。     

基于T-S模糊模型的机器人轨迹跟踪控制

为了解决机器人跟踪控制的建模误差和扰动所引起的不稳定问题,设计一种基于T-S模糊模型的滑模控制器。首先对机器人动力学方程进行扇区非线性处理,建立T-S模糊模型,然后设计出保证机器人系统渐近稳定的滑模控制器。对二连杆机器人进行给定轨迹实验时,系统具有良好的轨迹跟踪性能,系统误差很快收敛到零。实验结果表明该方法对非线性系统具有较强的鲁棒稳定性,验证了该方法的有效性。     

多核的鲁棒LS-SVM在图像边缘检测中的应用研究

针对传统最小二乘支持向量机易产生过拟合,在曲面拟合边缘检测中推广性能差的问题,提出了一种改进的多核的鲁棒最小二乘支持向量机图像边缘检测技术.并且利用粒子群算法对实验中的参数进行寻优,得到最优参数.通过与已有的Canny算法、BP神经网络算法以及使用单一核函数的标准LS-SVM相比较,验证了多核的鲁棒LS-SVM算法的有效性.实验结果表明:该算法提取的边缘比较精细、伪边缘较少,是一种有效的图像分析与处理的方法.     

双星定位与惯导系统的高效实用融合方法

利用卫星修正惯导的信息是一种常用的信息融合方法．根据双星与惯性导航数据采样周期不一致的特点，采用鲁棒递推阻尼最小二乘法对位置误差进行建模和参数估计，进而得到实时补偿的速度误差．仿真结果说明了这种方法的有效性。     

基于鲁棒稀疏表示的人脸识别算法

提出了一种基于LBP算子和鲁棒稀疏表示的人脸识别方法。首先,提取训练样本和测试样本的LBP特征。其次,在原有稀疏表示分类器(SRC)的基础上添加一个权值矩阵W来解决l1正则化最小二乘问题。最后,利用鲁棒稀疏表示分类器(RSRC)分类测试人脸图像所属类别。在ATT人脸库上进行实验的结果表明,此方法是优于其他经典算法的。     

基于输入输出数据的一体化多模型建模与控制

针对复杂非线性系统,提出了一种完全基于输入输出数据的一体化多模型建模与预测控制设计方法.首先,利用模糊空间划分对输入数据进行在线聚类;然后,采用最小二乘法在每一个聚类点处建立一个局部模型,并将模糊空间划分与多模型建模相结合,利用即时输入输出数据对局部模型的数量以及每一个局部模型的参数进行在线更新,从而实现对复杂非线性系统的在线建模;最后,在此基础上进行预测控制器的设计,将系统建模与控制器的设计包含在一个控制系统设计框架以内,对模型不确定性具有更好的鲁棒性.仿真实验的结果表明了该方法的有效性.     

基于树形结构的辨识方法在飞行器测位控制器建模中的应用

分析飞行器中测位控制器建模问题的特点，针对目前用于飞行器中测位控制建模的方法－－决策树方法，重点阐述了由决策树改进生成的模糊树建模方法，并对这两种方法进行了分析和比较，给出了数字仿真结果。     

基于总体最小二乘准则的OFDM系统时变信道估计

信道估计的准确程度直接影响正交频分复用系统的性能。为了提高时变信道估计算法的精度,基于总体最小二乘准则( TLS)提出了一种时变信道的估计方法。该方法用线性模型对时变信道进行建模,不仅考虑了信道噪声,同时也兼顾了模型误差。该方法能较好地跟踪信道的变化,显著消除模型误差。仿真结果表明所提算法的均方误差介于最小二乘算法与最小均方误差算法之间,在不同归一化多普勒频移下,该算法具有较好的稳健性。     

广义最大总体相关熵自适应滤波算法

在输入与输出信号都被噪声污染的含误差变量模型( errors-in-variables model, EIV)中,总体最小二乘算法已经得到了广泛地应用。然而在脉冲噪声干扰的情况下,其收敛性能就会恶化。因此为了处理这种被脉冲噪声污染的含误差变量模型的情况,本文将广义最大相关熵准则与总体最小二乘估计方法结合,提出了一种鲁棒的广义最大总体相关熵自适应滤波算法。通过算法仿真比较的结果得出所提出的算法在脉冲噪声环境下能够有效地抑制脉冲噪声的存在,有着较好的收敛性能和鲁棒性。      

最小二乘支持向量机和预测误差校正的运动员成绩预测

为了获得更好的运动员成绩预测结果,提出最小二乘支持向量机和预测误差校正的运动员成绩预测模型。首先通过提升小波和最小二乘支持向量机对运动员成绩进行建模和预测,然后通过误差校正方式对运动员成绩的预测结果进行校正,最后通过运动员成绩预测实例对模型的有效性进行测试,并与其他运动员预测模型进行对比实验,验证其优越性,结果表明,所提模型降低了运动员成绩的预测误差,并且通过误差校正提高了运动员成绩预测结果的稳定性,预测精度要优于其他运动员成绩预测模型。     

一种三维刚体行动参数鲁棒估计的神经算法

该文提出一种在于特征点匹配的刚体运动参数估计方法,在运动估计线性算法的基础上,文中利用全最小二乘（ＴＬＳ）方法来进行求解,并建立次分量提取神经元来获得该全最小二乘解,基于测量数据中出格点（Ｏｕｔｌｉｅｒ）的存在,我们在神经元的权值学习规划中引入鲁棒估计思想。实验结果表明,该方法能有效地克服同格点产生的误差,准确在估计出刚体的三维运动参数,比较令人满意。     

一种三维刚体运动参数鲁棒估计的神经算法

该文提出一种基于特征点匹配的刚体运动参数估计方法。在运动估计线性算法的基础上,文中利用全最小二乘(TLS)方法来进行求解,并建立次分量提取神经元来获得该全最小二乘解。基于测量数据中出格点(Outlier)的存在,我们在神经元的权值学习规则中引入鲁棒估计思想。实验结果表明,该方法能有效地克服出格点产生的误差,准确地估计出刚体的三维运动参数,比较令人满意。     

基于RBF神经网络的压电执行器迟滞建模

针对压电陶瓷执行器的迟滞非线性特性问题,该文提出了一种最小二乘法与径向神经网络相结合的建模方法。首先,通过搭建压电执行器位移测试系统,得到执行器输出位移与输入电压的对应曲线关系,然后用最小二乘法对该曲线进行多项式拟合,得到压电执行器的迟滞数学模型,在此基础上再用径向基函数神经网络方法对该模型进行优化。最后对建立的模型进行分析发现,用最小二乘法拟合的多项式数学模型,其最大误差Emax=0.244 7 μm,标准方差δ=0.059 02 μm,而利用径向基函数(RBF)神经网络优化建模后,Emax=0.079 89 μm,δ=0.016 04 μm。实验证明该模型有较高的准确性, 该文为压电执行器迟滞建模提供了一种新的方法。     

基于模型降阶的分数阶鲁棒控制器

针对复杂高阶被控对象控制器设计及参数整定困难问题,提出了一种基于模型降阶的分数阶鲁棒控制器设计方法。首先将复杂高阶模型近似为含时滞环节的降阶分数阶模型,根据原模型的奈奎斯特曲线特征,结合序列二次规划法,得到降阶近似模型的参数值。在此基础上完成分数阶控制器的结构设计,通过公式推导,给出了最大灵敏度鲁棒性指标与控制器整定参数的新的计算方法,最后结合复合时域性能指标整定控制器参数。仿真结果表明,所设计模型降阶参数求解无需全局寻优,收敛速度快,且降阶模型很好地逼近原系统,设计的鲁棒控制器使原系统具有良好的控制品质。     

基于鲁棒积分的四旋翼飞行器姿态控制

针对四旋翼飞行器姿态控制过程中广泛存在的外部干扰和参数不确定性,提出了一种基于鲁棒符号误差积分(RISE)的四旋翼姿态控制策略。通过一个模型前馈控制项实现精确的模型补偿,抵消模型非线性影响,以及一个鲁棒积分反馈项,有效抑制系统模型不确定性。设计的控制器在参数不确定性、外部干扰、噪声存在的情况下,实现了四旋翼飞行器精确姿态跟踪。基于Lyapunov理论的稳定性分析验证了所设计控制器的收敛性。最后设计大量仿真和对比试验说明该姿态控制方法的有效性和鲁棒性。     

室内Wi-Fi/PDR自适应鲁棒卡尔曼滤波融合定位方法

针对室内复杂环境下信道状态信息的动态性问题,本文提出了一种面向室内Wi-Fi/行人航迹推算（Pedestrian Dead Reckoning,PDR）融合定位的自适应鲁棒卡尔曼滤波方法.该方法利用自适应鲁棒卡尔曼滤波将Wi-Fi传播模型与PDR定位信息进行多重融合,推算用户的最优估计位置.同时,基于滤波反馈机制,通过融合定位结果对加权最小二乘法中的路径损耗指数和滤波模型中的观测协方差进行动态修正,保证Wi-Fi传播模型接近于真实室内环境.实验结果表明,该方法能够有效解决室内复杂环境下单一Wi-Fi定位精度低和PDR累积误差的问题,此外,路径损耗指数和观测协方差的实时修正可以提高融合定位系统的定位精度和稳定性.