针对多传感器融合系统的非线性和不确定性，将小波分析与神经网络相结合，提出一种基于小波神经网络的多传感器自适应融合算法.融合系统包括扩展卡尔曼滤波器、小波神经网络、融合知识库以及航迹融合算法.该算法以分布式融合结构为基础，利用环境信息理论和测量方差归一化方法构建小波神经网络，并且通过数值样本训练小波神经网络，使其在融合过程中实时估计各传感器的信任度，再由融合知识库根据各传感器信任度来选择适合的航迹融合算法，最终得到全局状态估计.实验结果表明，提出的融合算法可以根据环境变化在线自适应融合来自多传感器的测量值，
2023-05-15 14:07:30
608KB
1
基于Pseudo-Partial-Derivative(PPD)的概念动态线性化非线性系统,利用集结方法处理未来预测时刻的PPD,实现了非线性系统的自适应预测函数控制.所给算法的预测模型只与当前时刻的测量数据有关,不依赖于对象的具体结构.该算法能够提供有界的输入输出,并能无偏差跟踪给定值.最后通过大滞后对象和强非线性pH中和滴定实验验证了该方法的有效性,并说明了其具有很强的鲁棒性和抗干扰能力.
2023-05-15 12:09:22
309KB
1
用于灰度图像中高密度椒盐噪声去除的不同自适应修正Riesz均值滤波器
引文：
S.Memiş和U. Erkan，2021。《用于灰度图像中高密度盐和胡椒噪声去除的不同自适应修正Riesz均值滤波器》，《欧洲科学技术杂志》，（23），359-367。 doi：https ：//doi.org/10.31590/ejosat.873312
抽象的：
本文提出了一种新的滤波器，差分自适应修正里氏均值滤波器（DAMRmF），用于去除高密度椒盐噪声（SPN）。 DAMRmF可操作像素加权函数和自适应中值滤波器（AMF）的适应性条件。 在仿真中，将所提出的滤波器与自适应频率中值滤波器（AFMF），三值加权方法（TVWM），无偏加权均值滤波器（UWMF），不同应用中值滤波器（DAMF），自适应加权均值滤波器（AWMF）进行了比较。 ），自适应Cesáro均值滤波器（ACmF），自适应Riesz均
2023-05-11 23:47:04
221KB
1
提出一种利用粒子群优化算法进行在线寻优的自适应控制算法, 该方法可抑制极限环的振荡幅值. 应用极
值搜索控制的思想, 在线测量极限环的振荡幅度, 并将其作为优化目标, 利用粒子群优化算法寻找最优控制量, 使得
极限环的振荡幅值最小. 针对粒子群优化和极限环控制的特点, 提出一种加快收敛的算法. 数值实验表明, 提出的算
法不仅与传统基于摄动方法的极值搜索控制性能相当, 而且可对非凸和不光滑目标函数进行在线寻优, 鲁棒性更强.
2023-05-11 23:30:44
324KB
1
为平衡电网供需电子间的互补调度关系，提出基于深度学习的多能互补供需自适应调度方法。分级连接电子识别控制器与多能监测模块，获取精确的学习空间复杂度数值，完成基于深度学习的多能电子识别处理。在此基础上，建立自适应调度框架，借助基层组织内电子供需结构，计算互补偏离度的实值参量，完成新型多能互补供需自适应调度方法。实验结果表明，与传统非动态调度模型相比，所提方法将单位时间内供需输出电压提升至440 V，且提高了邻位电子间的调频速率，平衡了电网供需电子间的互补调度关系。
2023-05-11 17:52:18
1.62MB
1
基于粒子滤波器的视频目标跟踪（哈工大博士论文）多区域联合粒子滤波器算法
+概率预测与分类结合的目标跟踪定位方法+粒子滤波器中自适应多特征融合的目标外观特征表示方法+短道速滑滑行数据测量系统
2023-05-09 22:27:03
4.79MB
1
好用的RBF神经网络波束形成小程序，学会使用神经网络中比BP神经网络更优秀的RBF径向基函数神经网络进行深度学习，优化波束形成中MVDR算法的最优权向量，从而达到波束形成的优化，在雷达通信，水下通信中都是值得一提的优化
2023-04-29 20:42:47
4KB
1
摘要：介绍了一种用于IP电话中的自适应回声消除器，采用归一化最小二乘（NLMS）自适应滤波器实现，包括语音模式检测器和粗略时延估计器。最后以TI公司的TMS320C5402DSP芯片为平台，实现了该回声消除器，还对关键代码进行了分析。 关键词：回声消除，自适应滤波，NLMS，DSP1 在VoIP中采用回声消除技术的必要性 与传统的PSTN网络采用电路交换技术不同，IP电话采用的是分组交换技术，充分利用Internet来传输语音数据，使得价格大大降低，从而取得了长足的发展。但是IP电话也存在一些弊端，比如语言质量比较差，导致这一弊端的因素很多，其中主要的因素就是网络延时和算法延时，这主
2023-04-23 23:45:01
263KB
1
随着信息网络技术的飞速发展，如何对规模庞大的网络数据准确高效聚类并合理应用显得尤为重要。虽然模糊C均值聚类算法（FCM）已具有良好的聚类效果，但其对初始化敏感，在处理高维大规模网络数据时易陷入局部极值问题还未被完全克服。为了解决这两个问题，提出一种分布熵和平均位距改进的自适应蝙蝠算法，利用该算法对模糊C均值的参数进行优化。在此之上，将自适应蝙蝠算法优化的模糊聚类应用于异常检测领域，提出了一种自适应蝙蝠算法优化的模糊聚类异常检测算法。理论分析和仿真实验表明，与前沿的粒子群优化FCM异常检测算法和FCM异常检测算法相比，该算法具有更好的聚类效果和检测性能。
2023-04-20 22:00:46
879KB
1