在不确定观测下离散状态时滞系统的最优滤波

研究了在不确定观测下离散状态时滞系统的最优滤波问题,观测值的不确定性则通过一个满足Bernoulli分布且统计特性已知的随机变量来描述. 一般采用状态增广方法将时滞系统转换为无时滞随机系统, 再利用Kalman滤波器的设计方法解决最优状态估计问题, 但是当系统时滞较大时,转换后的系统状态维数很高, 这样增加了计算负担. 为此,基于最小方差估计准则, 利用射影性质和递归射影公式得到了一个新的滤波器设计方法, 而且保证了滤波器的维数与原系统相同.最后, 给出一个仿真例子说明所提方法的有效性.     

具有丢失观测和网络传输滞后多通道系统的最优线性滤波

研究了具有丢失观测,一步观测滞后和随机丢包多通道系统的最优滤波器设计问题.首先通过三组Bernoulli分布随机变量来描述由传感器损耗造成的丢失观测以及网络数据传输过程中出现的一步滞后和多丢包现象.然后基于新息分析方法,提出了线性最小方差意义下的最优线性滤波器.它通过解一个Riccati方程和一个Lyapunov方程得到.最后给出了稳态最优滤波器存在的一个充分条件.仿真验证了其有效性.     

通信受限下网络化系统的最优估计

研究了通信受限下网络化系统最优估计问题.由于通信受限,传感器节点无法同时将采样信息传输到远程滤波器.为此,文章提出了集中式最优估计算法和序贯式最优估计算法.前者将观测做扩维处理且具有较好的估计性能,但需要计算高维矩阵的逆,计算负担较大.后者无需计算高维矩阵的逆,具有实时性和灵活性,但损失了估计性能.这两种算法均可推广到测量丢失的情形.最后,通过一个目标跟踪的例子验证了所设计算法的有效性.     

固定时间梯度流在?_1-?_2范数中的稀疏重构

压缩感知(compressed sensing,CS)是一种全新的信号采样技术,对于稀疏信号,它能够以远小于传统的Nyquist采样定理的采样点来重构信号.在压缩感知中,采用动态连续系统,对?_1-?_2范数的稀疏信号重构问题进行了研究.提出了一种基于固定时间梯度流的稀疏信号重构算法,证明了该算法在Lyapunov意义上的稳定性并且收敛于问题的最优解.最后通过与现有的投影神经网络算法的对比,体现了该算法的可行性以及在收敛速度上的优势.     

一维自适应Kalman滤波的一种最优算法

1 引言 Kalman滤波是一种用于对含有随机摄动的动态系统的最优状态估值过程。更准确地讲,Kalman滤波器是一种从受噪声干扰的观测信号中,对被观测系统的状态进行统计估值的方法,这种估值是以线性、无偏、最小方差为准则的递推估值。它被广泛地应用于空间技术、雷达、导航、通信、工业自动化、气象和地震预报、生物医学工程等领域。 虽然Kalman滤波有许多成功的应用,但是从实用角度上看它仍有一些不足。众所周知,对于一个系统模型我们往往缺少对其真正特征的认识,即系统模型中常常含有未知的参数,而这一点将严重影响滤波器的工作。     

动态线性季节模型及其贝叶斯预测

研究了适用于描述周期性变化的采样间隔非均匀情况下的季节模型,并分别根据观测误差已知和未知常数两种情况,给出了它们的先验分布、预测分布和后验分布.     

固定时间梯度流在l1-l2范数中的稀疏重构

压缩感知（compressed sensing,CS）是一种全新的信号采样技术,对于稀疏信号,它能够以远小于传统的Nyquist采样定理的采样点来重构信号。在压缩感知中, 采用动态连续系统,对l₁-l₂范数的稀疏信号重构问题进行了研究。提出了一种基于固定时间梯度流的稀疏信号重构算法,证明了该算法在Lyapunov意义上的稳定性并且收敛于问题的最优解。最后通过与现有的投影神经网络算法的对比,体现了该算法的可行性以及在收敛速度上的优势.     

有非更新寿命和成批加工的CIMS的可靠性研究

本文研究了具有非更新寿命和成批加工的CIMS生产线的可靠性问题.首先证明了在系统平稳状态下工作站的广义加工过程是万有马氏过程,然后利用准生灭过程理论,给出了系统稳态时运行指标的精确显式解.从而这使得CIMS生产线中工作站的寿命假定推进到了一类非更新的相型寿命上.     

基于隐Markov模型的最优资产组合选择

在具有可观测和不可观测状态的金融市场中,利用隐马尔可夫链描述不可观测状态的动态过程,研究了不完全信息市场中的多阶段最优投资组合选择问题.通过构造充分统计量,不完全信息下的投资组合优化问题转化为完全信息下的投资组合优化问题,利用动态规划方法求得了最优投资组合策略和最优值函数的解析解.作为特例,还给出了市场状态完全可观测时的最优投资组合策略和最优值函数.     

基于MAP风险模型的最优分红问题研究

在保险公司财务核算和分红均发生在随机时间点的假设条件下,讨论保险公司的最优分红问题.假设保险公司的盈余过程是经过MAP(马氏到达过程)的相过程调制的复合泊松过程,保险公司对盈余过程的观测和分红都发生在MAP的跳点上,以最大化期望折现分红总量为目标,证明了最优分红策略为band策略,并分析了经济状态和分红机会对值函数和分红策略的影响.