基于状态观测器的离散线性多智能体系统协同输出调节

对一个非线性系统加入色声，研究其对系统的动力学行为的影响。

基于分布式优化的微电网下垂控制

全差分反馈放大器（FDA），如美国国家半导体的 LMH6550，LMH6551和全新发布的LMH6552，都可用来为 宽带差分信号提供平衡的低失真放大和电平移位功能。 　　FDA的简化概念图如图1所示，其中两个正向路径将差分信号的两个互补等分进行放大。由VCM控制的单独共模反馈电 路控制了输入端，设定了与输入共模无关的输出共模电压， 以及强制ON和OP输出幅度相同，相位相反。 　　LMH6552 FDA是一款1.5 GHz的器件，其采用了美国国 家半导体专有的差分电流反馈（CFB）结构，可在不牺牲带 宽的条件下，工作增益大于单位增益，并具有特别的增益平 坦度。工作在450 MHz，满足0.

多智能体有限时间一致性算法，自己用matlab编写的，能够正常运行，可自行修改使用。 主程序部分代码： In = [Xl Xf]'; out = ode23(@ctFun, tspan, In); t = out.x; X = out.y; plot(t,X(1,:), t,X(2,:), t,X(3,:), t,X(4,:), 'linewidth',1.5); %% ODE Function function out = ctFun(~,In) global L B a = 0.5; Xl = In(1); Xf = In(2:4); v_0 = 0; dXl = v_0; delta = -(L+B)*(Xf-Xl); delta = sig(delta,a); dX = delta+ v_0; out = [dXl dX]; end 有限时间代码： function sig = sig(x,a) sig = sign(x).*abs(x).^a; end

 利用加速度信号测量位移是油田抽油井光杆位移测量的主要方法，而加速度信号的随机噪声和趋势项是影响测量精度的主要因素，本文提出了一种基于学习的实时消噪和剔除趋势项方法。学习时先获取一段时间的加速度信号，再通过时间序列分析技术得出ARIMA模型及其参数，最后基于FFT变换的Rife-Jane频率估计方法求出加速度信号的周期；在线实时消噪和剔除趋势项方法是基于学习阶段所得模型参数，运用卡尔曼滤波技术消除加速度信号随机噪声；按周期两次积分得到光杆位移，用加窗递推最小二乘法在线消除趋势项。通过抽油机半实物仿真平台测试和分析加速度信号，结果表明，该方法有效地去除了加速度信号中的噪声和趋势项，极大地提高了位移的测量精度。

针对具有通信时延的二阶多智能体系统的有限时间一致性控制问题，分别研究了具有固定拓扑和切换拓扑网络结构情形下的二阶多智能体系统的有限时间一致性。为使多智能体系统能在有限时间内可以达到一致，引入一致性控制增益矩阵并设计了相应的基于相对位置和相对速度的时延状态误差有限时间一致性控制算法，利用系统模型转换，泛函微分方程稳定性理论和有限时间Lyapunov稳定性定理得到了使系统在有限时间内达到一致跟踪的最大时延上界值。最后，仿真实验结果验证了所得理论的正确性和有效性。

RF放大器是一个放大微弱信号、以便接收器进一步处理的有源网络。接收器增益分配在系统RF和IF级间，当然，理想的放大器只增加期望信号的幅度，而不增加任何失真和噪声。然而，已知的放大器都会在期望的信号中增加噪声和失真。在接收通道中，天线之后的级放大器贡献了大部分系统噪声系数。在噪声网络之前增加增益将减少该网络噪声的贡献。 　　放大器噪声系数 　　为了分析电路噪声的影响，必须建立一个噪声电路模型---无噪声的电路加上外部噪声源。 　　点此全文PDF资料：(LNA)匹配技术.pdf  :

针对Smith控制对时滞系统抗干扰性差的弱点，提出了一种基于神经网络辨识的LM-Smith控制器。该控制器在经典Smith控制中引入神经元模型，实时辨识时变被控对象，使预估模型能准确跟踪被控对象，实现对时滞环节的完全补偿。仿真结果表明该方法构造简单、准确性好、鲁棒性较强，改善了经典Smith控制的控制效果。

第一种方案是基于超混沌系统和 DNA 编解码运算相结合的图像加密算法， 该算法对图像分块进行加密， 由混沌系统生成的混沌序列决定每一图像块的 DNA 编解码和运算方式。 针对该算法密钥空间较低以及不能抵御裁剪攻击的问题， 本文增加了算法中混沌系统的个数， 优化了加密的流程。 又研究了基于混沌系统和离散余弦变换（ DCT）相结合的图像加密压缩算法。此类算法可以在保证图像安全性的同时对图像数据进行压缩，从而提升图像传输的效率。 鉴于传统混沌系统 DCT 加密算法的加密过程比较单一， 本文在此基础上引入了符号加密， 并且将加密后的结果存储为一维数据。