离散时间T-S模糊奇异时滞系统的广义耗散控制

针对一类带有时变时滞和外部干扰的复杂非线性奇异系统,利用离散时间T-S模糊模型对其建模。基于李雅普诺夫稳定性理论,研究了离散时间T-S模糊奇异时滞系统的广义耗散容许性问题。首先,通过设计新的李雅普诺夫泛函,在证明过程中考虑以往常被忽略的时滞项交叉项,并利用改进的互凸组合方法和最新的矩阵不等式,引进不依赖于系统状态和李雅普诺夫函数矩阵的自由权值矩阵变量来界定三重、二重差分求和项,从而得到了保守性较小的离散时间T-S模糊奇异时滞系统的广义耗散容许性充分条件;其次,由于奇异系统的特殊性,为了确保定理的条件能用MATLAB软件实现,定理的条件可转化为平方和形式;最后,通过数值仿真算例验证了本文所得结论和方法的正确性和有效性。     

两传感器自校正信息融合白噪声Wiener反卷积滤波器

应用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型,对于带未知模型参数和噪声方差的两传感器反卷积系统,提出了自校正信息融合白噪声Wiener反卷积滤波器。它具有渐近最优性。一个Bernoulli-Gaussian白噪声反卷积的仿真例子说明了其有效性。     

基于OpenHarmony的环境参数监测系统设计

为了高效开发、快速部署环境参数监测系统,提高系统的安全性,基于OpenHarmony的环境监测系统设计,采用华为物联网解决方案,以海思微处理器开发板为感知层核心,利用国产开源OpenHarmony操作系统开发环境参数检测、网络连接等应用,以MQTT协议作为通信协议,通过华为物联网云平台进行系统整合,实现环境参数检测、数据联网上报以及终端设备控制等功能。结果表明,终端系统正确联网上报检测数据,云平台下发的指令在系统终端正确执行,实现了设计功能。基于国产OpenHarmony操作系统进行环境参数监测系统开发,具有系统逻辑层次清晰、开发工具链易于建立、开发效率高、部署迅速等特点,适合在各相关应用场景中使用。     

两传感器自校正信息融合Kalman滤波器

用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型的在线辨识,对含有未知模型参数和噪声方差的两传感器线性离散随机系统,提出了自校正信息融合Kalman滤波器。它具有渐近最优性。一个仿真例子说明了其有效性。     

MA模型参数估计的两段最小二乘法及其在自校正跟踪滤波器中的应用

提出了滑动平均（MA）模型参数估计的两段最小二乘法。首先用递推最小二乘法对MA模型拟合一个高阶自回归（AR）模型,然后再用最小二乘法一个不相容的超定性方程组得到MA模型参数估值。一个应用于自校正跟踪滤波器的仿真例子说明了其有效性。     

两传感器信息融合稳态最优Kalman滤波器

应用现代时间序列分析方法,基于ARMA新息模型提出了两传感器最优信息融合稳态Kalman滤波器。为实现最优融合,分别提出了计算局部滤波稳态误差方差和协方差阵的Lyapunov方程和拟Lyapunov方程及其迭代算法,并证明了算法的收敛性。一个仿真例子说明了其有效性。     

两传感器信息融合最优白噪声反卷积Wiener滤波器

应用现代时间序列分析方法和白噪声估计理论,提出了两传感器最优信息融合白噪声反卷积Wiener滤波器,其中给出了局部滤波误差之间的协方差公式,它可被用于计算最优融合加权系数。一个仿真例子说明了其有效性。     

ARMA模型参数估计的两段最小二乘法

提出了自回归滑动平均(ARMA)模型参数估计的两段最小二乘法。首先用递推最小二乘法对真实ARMA模型拟合高阶自回归(AR)模型,然后基于所拟合的AR模型参数,用最小二乘法解一个不相容代数方程组得到ARMA模型参数。一个仿真的例子说明了其有效性。