2010年 第36卷 第5期
2010, 36(5): 625-633.
doi: 10.3724/SP.J.1004.2010.00625
摘要:
由于室内场景具有结构化的特点, 如人们习惯的平行、垂直、共线共面等, 在基于图像的室内场景自动重建中, 即使一些小的误差也会导致明显的视觉差异. 文献中对具有高保真的室内场景的自动重建系统尚少有报道. 针对犯罪现场三维复原的具体需求, 本文报道了一种基于图像的室内场景自动重建系统, 包括图像采集平台的标定, 特征点与特征直线的匹配与重建, 以及多视角下重建结果的融合等. 本系统有如下特点: 1)重建过程为全自动, 不需要任何人机交互; 2)直线特征的自动匹配与重建考虑了场景的深度与结构信息, 匹配的正确率及空间直线重建效果得到了显著提高; 3)重建结果的整体优化中, 融合了特征点与特征直线. 大量实验结果表明, 该系统方便实用, 且能得到比较好的重建效果.
由于室内场景具有结构化的特点, 如人们习惯的平行、垂直、共线共面等, 在基于图像的室内场景自动重建中, 即使一些小的误差也会导致明显的视觉差异. 文献中对具有高保真的室内场景的自动重建系统尚少有报道. 针对犯罪现场三维复原的具体需求, 本文报道了一种基于图像的室内场景自动重建系统, 包括图像采集平台的标定, 特征点与特征直线的匹配与重建, 以及多视角下重建结果的融合等. 本系统有如下特点: 1)重建过程为全自动, 不需要任何人机交互; 2)直线特征的自动匹配与重建考虑了场景的深度与结构信息, 匹配的正确率及空间直线重建效果得到了显著提高; 3)重建结果的整体优化中, 融合了特征点与特征直线. 大量实验结果表明, 该系统方便实用, 且能得到比较好的重建效果.
2010, 36(5): 634-643.
doi: 10.3724/SP.J.1004.2010.00634
摘要:
鉴于常用二维直方图区域直分法存在错分, 最近提出的斜分法不具普遍性, 而基于L1范数的最小一乘准则比最小二乘准则更为合理且简捷, 提出了适用面更广的基于二维直方图θ-划分和最大类间平均离差的图像阈值分割算法. 首先给出了二维直方图θ-划分方法, 采用4条平行斜线及1条其法线与灰度级轴成 θ 角的直线划分二维直方图区域, 按灰度级和邻域平均灰度级的加权和进行阈值分割, 斜分法可视为该方法中θ=45° 的特例; 然后导出了二维直方图θ-划分最大类间平均离差阈值选取公式及其快速递推算法; 最后给出了θ 取不同值时的分割结果及运行时间. θ 取较小值时, 边界形状准确性较高, θ 取较大值时, 抗噪性较强, 应用时可根据实际图像特点及需求合理选取 θ 的值. 与常规二维直方图直分最大类间方差法及最大类间平均离差法相比, 所需运行时间相近, 但本文提出的方法所得分割结果更为准确, 抵抗噪声更为稳健, 且存储空间也大为减少.
鉴于常用二维直方图区域直分法存在错分, 最近提出的斜分法不具普遍性, 而基于L1范数的最小一乘准则比最小二乘准则更为合理且简捷, 提出了适用面更广的基于二维直方图θ-划分和最大类间平均离差的图像阈值分割算法. 首先给出了二维直方图θ-划分方法, 采用4条平行斜线及1条其法线与灰度级轴成 θ 角的直线划分二维直方图区域, 按灰度级和邻域平均灰度级的加权和进行阈值分割, 斜分法可视为该方法中θ=45° 的特例; 然后导出了二维直方图θ-划分最大类间平均离差阈值选取公式及其快速递推算法; 最后给出了θ 取不同值时的分割结果及运行时间. θ 取较小值时, 边界形状准确性较高, θ 取较大值时, 抗噪性较强, 应用时可根据实际图像特点及需求合理选取 θ 的值. 与常规二维直方图直分最大类间方差法及最大类间平均离差法相比, 所需运行时间相近, 但本文提出的方法所得分割结果更为准确, 抵抗噪声更为稳健, 且存储空间也大为减少.
2010, 36(5): 644-649.
doi: 10.3724/SP.J.1004.2010.00644
摘要:
在人脸识别中, 具有正交性的特征提取算法是一类有效的特征提取算法, 但受到小样本问题的制约. 本文在正交判别保局投影的基础上, 提出了一种适用于小样本问题的具有类内保持的正交特征提取算法. 算法根据同类样本之间的空间结构信息, 重新定义了类内散度矩阵与类间散度矩阵, 进而给出了一个新的目标函数. 然而新的目标函数对于人脸识别问题, 同样存在着小样本问题. 为此本文将原始数据空间降到一个低维的子空间, 从而避免了总体散度矩阵奇异, 并在理论上证明了在该子空间中求解判别矢量集, 等价于在原空间中求解判别矢量集. 人脸库上的实验结果表明本文算法的有效性.
在人脸识别中, 具有正交性的特征提取算法是一类有效的特征提取算法, 但受到小样本问题的制约. 本文在正交判别保局投影的基础上, 提出了一种适用于小样本问题的具有类内保持的正交特征提取算法. 算法根据同类样本之间的空间结构信息, 重新定义了类内散度矩阵与类间散度矩阵, 进而给出了一个新的目标函数. 然而新的目标函数对于人脸识别问题, 同样存在着小样本问题. 为此本文将原始数据空间降到一个低维的子空间, 从而避免了总体散度矩阵奇异, 并在理论上证明了在该子空间中求解判别矢量集, 等价于在原空间中求解判别矢量集. 人脸库上的实验结果表明本文算法的有效性.
2010, 36(5): 650-654.
doi: 10.3724/SP.J.1004.2010.00650
摘要:
优化截断嵌入式编码(Embedded block coding with optimized truncation, EBCOT)是JPEG 2000的核心, EBCOT所采用的基于码块的率失真优化方式为实现图像感兴趣区(Region of interest, ROI)编码提供了良好的基础. 本文分析了其中具有代表性的隐式ROI 编码算法, 并提出了一种改进方法. 通过构造加权函数, 合理地为ROI码块分配权重, 在保证ROI信息被优先编码的同时, 降低ROI码块中背景区域小波系数的影响, 提高了重建图像ROI的质量. 实验结果表明, 算法在低码率下重建图像ROI质量提高明显, 在高码率下也能够很好兼顾重建图像背景区域的质量.
优化截断嵌入式编码(Embedded block coding with optimized truncation, EBCOT)是JPEG 2000的核心, EBCOT所采用的基于码块的率失真优化方式为实现图像感兴趣区(Region of interest, ROI)编码提供了良好的基础. 本文分析了其中具有代表性的隐式ROI 编码算法, 并提出了一种改进方法. 通过构造加权函数, 合理地为ROI码块分配权重, 在保证ROI信息被优先编码的同时, 降低ROI码块中背景区域小波系数的影响, 提高了重建图像ROI的质量. 实验结果表明, 算法在低码率下重建图像ROI质量提高明显, 在高码率下也能够很好兼顾重建图像背景区域的质量.
2010, 36(5): 655-666.
doi: 10.3724/SP.J.1004.2010.00655
摘要:
Techniques for understanding video object motion activity are becoming increasingly important with the widespread adoption of CCTV surveillance systems. Motion trajectories provide rich spatiotemporal information about an object's activity. This paper presents a novel technique for clustering of object trajectory-based video motion clips using basis function approximations. Motion cues can be extracted using a tracking algorithm on video streams from video cameras. In the proposed system, trajectories are treated as time series and modelled using orthogonal basis function representation. Various function approximations have been compared including least squares polynomial, Chebyshev polynomials, piecewise aggregate approximation, discrete Fourier transform (DFT), and modified DFT (DFT-MOD). A novel framework, namely iterative hierarchical semi-agglomerative clustering using learning vector quantization (Iterative HSACT-LVQ), is proposed for learning of patterns in the presence of significant number of anomalies in training data. In this context, anomalies are defined as atypical behavior patterns that are not represented by sufficient samples in training data and are infrequently occurring or unusual. The proposed algorithm does not require any prior knowledge about the number of patterns hidden in unclassified dataset. Experiments using complex real-life trajectory datasets demonstrate the superiority of our proposed Iterative HSACT-LVQ-based motion learning technique compared to other recent approaches.
Techniques for understanding video object motion activity are becoming increasingly important with the widespread adoption of CCTV surveillance systems. Motion trajectories provide rich spatiotemporal information about an object's activity. This paper presents a novel technique for clustering of object trajectory-based video motion clips using basis function approximations. Motion cues can be extracted using a tracking algorithm on video streams from video cameras. In the proposed system, trajectories are treated as time series and modelled using orthogonal basis function representation. Various function approximations have been compared including least squares polynomial, Chebyshev polynomials, piecewise aggregate approximation, discrete Fourier transform (DFT), and modified DFT (DFT-MOD). A novel framework, namely iterative hierarchical semi-agglomerative clustering using learning vector quantization (Iterative HSACT-LVQ), is proposed for learning of patterns in the presence of significant number of anomalies in training data. In this context, anomalies are defined as atypical behavior patterns that are not represented by sufficient samples in training data and are infrequently occurring or unusual. The proposed algorithm does not require any prior knowledge about the number of patterns hidden in unclassified dataset. Experiments using complex real-life trajectory datasets demonstrate the superiority of our proposed Iterative HSACT-LVQ-based motion learning technique compared to other recent approaches.
2010, 36(5): 667-673.
doi: 10.3724/SP.J.1004.2010.00667
摘要:
对于地面无人车和室外非结构化环境, 本文介绍了我们开发的基于立体视觉的障碍物快速识别系统. 为了使无人地面车适应于较复杂的地形, 根据V视差图, 我们提出了一种新的地面主视差图的估计方法. 通过地面主视差图和局部的三维重建, 本文给出了一种由粗到精的障碍物识别与定位方法. 在我们的无人地面车平台上, 我们对这一障碍物自动识别系统进行了相应的实际试验. 其试验结果验证了该系统的有效性.
对于地面无人车和室外非结构化环境, 本文介绍了我们开发的基于立体视觉的障碍物快速识别系统. 为了使无人地面车适应于较复杂的地形, 根据V视差图, 我们提出了一种新的地面主视差图的估计方法. 通过地面主视差图和局部的三维重建, 本文给出了一种由粗到精的障碍物识别与定位方法. 在我们的无人地面车平台上, 我们对这一障碍物自动识别系统进行了相应的实际试验. 其试验结果验证了该系统的有效性.
2010, 36(5): 674-684.
doi: 10.3724/SP.J.1004.2010.00674
摘要:
频繁模式挖掘是数据流挖掘中的重要研究课题. 针对数据流的时效性和流中心的偏移性特点, 提出了界标窗口模型与时间衰减模型相结合的数据流频繁模式挖掘算法. 该算法通过动态构建全局模式树, 利用时间指数衰减函数对模式树中各模式的支持数进行统计, 以此刻画界标窗口内模式的频繁程度; 进而, 为有效降低空间开销, 设计了剪枝阈值函数, 用于对预期难以成长为频繁的模式及时从全局树中剪除. 本文对出现在算法中的重要参数和阈值进行了深入分析. 一系列实验表明, 与现有同类算法MSW相比, 该算法挖掘精度高(平均超过90%), 内存开销小, 速度上可以满足高速数据流的处理要求, 且可以适应不同事务数量、不同事务平均长度和不同最大潜在频繁模式平均长度的数据流频繁模式挖掘.
频繁模式挖掘是数据流挖掘中的重要研究课题. 针对数据流的时效性和流中心的偏移性特点, 提出了界标窗口模型与时间衰减模型相结合的数据流频繁模式挖掘算法. 该算法通过动态构建全局模式树, 利用时间指数衰减函数对模式树中各模式的支持数进行统计, 以此刻画界标窗口内模式的频繁程度; 进而, 为有效降低空间开销, 设计了剪枝阈值函数, 用于对预期难以成长为频繁的模式及时从全局树中剪除. 本文对出现在算法中的重要参数和阈值进行了深入分析. 一系列实验表明, 与现有同类算法MSW相比, 该算法挖掘精度高(平均超过90%), 内存开销小, 速度上可以满足高速数据流的处理要求, 且可以适应不同事务数量、不同事务平均长度和不同最大潜在频繁模式平均长度的数据流频繁模式挖掘.
2010, 36(5): 685-695.
doi: 10.3724/SP.J.1004.2010.00685
摘要:
能量效率是无线传感器网络(Wireless sensor network, WSN)研究中的核心问题之一. 当节点采用电池供电时, 有限的能量限制了网络的生存周期, 从而对无线传感器网络的大规模应用提出了挑战. 本文基于马尔可夫链, 提出了一种实用的、协作分布式的调度方法, 并从理论上证明了该方法的收敛性. 该方法不仅可对节点的休眠/唤醒进行调度, 还可以对节点数据发送进行调度以减少数据冲突的发生. 仿真实验结果表明, 该方法能够有效地减少节点能量的消耗, 且对其他网络性能的影响较小.
能量效率是无线传感器网络(Wireless sensor network, WSN)研究中的核心问题之一. 当节点采用电池供电时, 有限的能量限制了网络的生存周期, 从而对无线传感器网络的大规模应用提出了挑战. 本文基于马尔可夫链, 提出了一种实用的、协作分布式的调度方法, 并从理论上证明了该方法的收敛性. 该方法不仅可对节点的休眠/唤醒进行调度, 还可以对节点数据发送进行调度以减少数据冲突的发生. 仿真实验结果表明, 该方法能够有效地减少节点能量的消耗, 且对其他网络性能的影响较小.
2010, 36(5): 696-703.
doi: 10.3724/SP.J.1004.2010.00696
摘要:
探讨了含多状态时滞连续时间迭代学习控制系统的稳定性分析问题, 尤其是当系统参数带有多面体不确定性时的鲁棒稳定性分析问题. 通过引入一个扩展算子, 利用迭代学习控制中的二维分析方法给出了时滞系统整个学习动态过程的连续离散Roesser系统描述. 基于所得的Roesser系统, 首先利用二维系统理论给出了保证迭代学习控制系统渐近稳定的充要条件, 然后结合鲁棒H∞控制理论提出了以线性矩阵不等式形式描述的充分条件来保证迭代学习控制系统的单调收敛性. 结果表明, 通过求解线性矩阵不等式确定的学习增益可以使控制输入误差随着迭代次数的增加单调收敛于零. 仿真结果表明, 通过增加满足一组线性矩阵不等式条件的P型学习增益能够使得一个鲁棒渐近稳定的迭代学习控制方案变为鲁棒单调收敛的, 同时还可以大大提高收敛速率.
探讨了含多状态时滞连续时间迭代学习控制系统的稳定性分析问题, 尤其是当系统参数带有多面体不确定性时的鲁棒稳定性分析问题. 通过引入一个扩展算子, 利用迭代学习控制中的二维分析方法给出了时滞系统整个学习动态过程的连续离散Roesser系统描述. 基于所得的Roesser系统, 首先利用二维系统理论给出了保证迭代学习控制系统渐近稳定的充要条件, 然后结合鲁棒H∞控制理论提出了以线性矩阵不等式形式描述的充分条件来保证迭代学习控制系统的单调收敛性. 结果表明, 通过求解线性矩阵不等式确定的学习增益可以使控制输入误差随着迭代次数的增加单调收敛于零. 仿真结果表明, 通过增加满足一组线性矩阵不等式条件的P型学习增益能够使得一个鲁棒渐近稳定的迭代学习控制方案变为鲁棒单调收敛的, 同时还可以大大提高收敛速率.
2010, 36(5): 704-710.
doi: 10.3724/SP.J.1004.2010.00704
摘要:
In this paper, a cooperative localization algorithm for autonomous underwater vehicles (AUVs) is proposed. A ``parallel" model is adopted to describe the cooperative localization problem instead of the traditional ``leader-follower" model, and a linear programming associated with convex optimization method is used to deal with the problem. After an unknown-but-bounded model for sensor noise is assumed, bearing and range measurements can be modeled as linear constraints on the configuration space of the AUVs. Merging these constraints induces a convex polyhedron representing the set of all configurations consistent with the sensor measurements. Estimates for the uncertainty in the position of a single AUV or the relative positions of two or more nodes can then be obtained by projecting this polyhedron onto appropriate subspaces of the configuration space. Two different optimization algorithms are given to recover the uncertainty region according to the number of the AUVs. Simulation results are presented for a typical localization example of the AUV formation. The results show that our positioning method offers a good localization accuracy, although a small number of low-cost sensors are needed for each vehicle, and this validates that it is an economical and practical positioning approach compared with the traditional approach.
In this paper, a cooperative localization algorithm for autonomous underwater vehicles (AUVs) is proposed. A ``parallel" model is adopted to describe the cooperative localization problem instead of the traditional ``leader-follower" model, and a linear programming associated with convex optimization method is used to deal with the problem. After an unknown-but-bounded model for sensor noise is assumed, bearing and range measurements can be modeled as linear constraints on the configuration space of the AUVs. Merging these constraints induces a convex polyhedron representing the set of all configurations consistent with the sensor measurements. Estimates for the uncertainty in the position of a single AUV or the relative positions of two or more nodes can then be obtained by projecting this polyhedron onto appropriate subspaces of the configuration space. Two different optimization algorithms are given to recover the uncertainty region according to the number of the AUVs. Simulation results are presented for a typical localization example of the AUV formation. The results show that our positioning method offers a good localization accuracy, although a small number of low-cost sensors are needed for each vehicle, and this validates that it is an economical and practical positioning approach compared with the traditional approach.
2010, 36(5): 711-719.
doi: 10.3724/SP.J.1004.2010.00711
摘要:
针对无线传感器网络(Wireless sensor network, WSN)的应用需求提出一种基于优化策略的混合节点定位算法. 选择1-hop节点最多的点作为初始点, 利用多维标度(Multi-dimensional scaling, MDS)方法计算初始节点及其1-hop节点的相对坐标, 并将这些节点的坐标发送给周围未定位节点; 未定位的节点根据接收到的坐标与节点间的距离, 利用极大似然法估算自身的坐标; 最后通过坐标变换计算所有节点的绝对坐标. 在此基础上, 进一步提出将本文节点定位算法与集中式和分布式优化策略相结合来优化网络节点的估计坐标, 以提高节点定位精度. 仿真结果表明本文提出的算法是有效的, 能够较好地完成无线传感器网络节点的定位.
针对无线传感器网络(Wireless sensor network, WSN)的应用需求提出一种基于优化策略的混合节点定位算法. 选择1-hop节点最多的点作为初始点, 利用多维标度(Multi-dimensional scaling, MDS)方法计算初始节点及其1-hop节点的相对坐标, 并将这些节点的坐标发送给周围未定位节点; 未定位的节点根据接收到的坐标与节点间的距离, 利用极大似然法估算自身的坐标; 最后通过坐标变换计算所有节点的绝对坐标. 在此基础上, 进一步提出将本文节点定位算法与集中式和分布式优化策略相结合来优化网络节点的估计坐标, 以提高节点定位精度. 仿真结果表明本文提出的算法是有效的, 能够较好地完成无线传感器网络节点的定位.
2010, 36(5): 720-730.
doi: 10.3724/SP.J.1004.2010.00720
摘要:
针对一类一维空间连接系统, 提出了一种分布式递推状态估计算法, 给出了其收敛的充要条件. 与集总式Kalman滤波算法相比, 该算法可大幅度降低计算的时间复杂度和内存占用量, 并具有可简单地实现并行计算的特点. 这一算法还可直接推广到多维空间连接系统. 数值仿真结果表明, 该算法通常只牺牲少量的滤波精度.
针对一类一维空间连接系统, 提出了一种分布式递推状态估计算法, 给出了其收敛的充要条件. 与集总式Kalman滤波算法相比, 该算法可大幅度降低计算的时间复杂度和内存占用量, 并具有可简单地实现并行计算的特点. 这一算法还可直接推广到多维空间连接系统. 数值仿真结果表明, 该算法通常只牺牲少量的滤波精度.
2010, 36(5): 731-741.
doi: 10.3724/SP.J.1004.2010.00731
摘要:
提出一种基于粒子概率假设密度滤波器(Sequential Monte Carlo probability hypothesis density filter, SMC-PHDF)的部分可分辨的群目标跟踪算法. 该算法可直接获得群而非个体的个数和状态估计. 这里群的状态包括群的质心状态和形状. 为了估计群的个数和状态, 该算法利用高斯混合模型(Gaussian mixture models, GMM)拟合SMC-PHDF中经重采样后的粒子分布, 这里混合模型的元素个数和参数分别对应于群的个数和状态. 期望最大化(Expectation maximum, EM)算法和马尔科夫链蒙特卡洛(Markov chain Monte Carlo, MCMC)算法分别被用于估计混合模型的参数. 混合模型的元素个数可通过删除、合并及分裂算法得到. 100次蒙特卡洛(Monte Carlo, MC)仿真实验表明该算法可有效跟踪部分可分辨的群目标. 相比EM算法, MCMC算法能够更好地提取群的个数和状态, 但它的计算量要大于EM算法.
提出一种基于粒子概率假设密度滤波器(Sequential Monte Carlo probability hypothesis density filter, SMC-PHDF)的部分可分辨的群目标跟踪算法. 该算法可直接获得群而非个体的个数和状态估计. 这里群的状态包括群的质心状态和形状. 为了估计群的个数和状态, 该算法利用高斯混合模型(Gaussian mixture models, GMM)拟合SMC-PHDF中经重采样后的粒子分布, 这里混合模型的元素个数和参数分别对应于群的个数和状态. 期望最大化(Expectation maximum, EM)算法和马尔科夫链蒙特卡洛(Markov chain Monte Carlo, MCMC)算法分别被用于估计混合模型的参数. 混合模型的元素个数可通过删除、合并及分裂算法得到. 100次蒙特卡洛(Monte Carlo, MC)仿真实验表明该算法可有效跟踪部分可分辨的群目标. 相比EM算法, MCMC算法能够更好地提取群的个数和状态, 但它的计算量要大于EM算法.
2010, 36(5): 742-750.
doi: 10.3724/SP.J.1004.2010.00742
摘要:
The paper studies the problem of fault detection filter design for uncertain linear continuous-time systems. A design procedure dealing with parameter uncertainties is proposed for residual generation, the sensitivity to fault and the robustness against disturbances are both enhanced on residual outputs through satisfying some performance indexes. By the aid of the generalized Kalman-Yakubovich-Popov (GKYP) lemma, the fault sensitivity performance index can be dealt with in the given frequency range directly, which avoids approximations associated with frequency weights of the existing techniques. An iterative algorithm based on linear matrix inequality (LMI) is given to obtain the solutions. A numerical example is given to illustrate the effectiveness of the proposed methods.
The paper studies the problem of fault detection filter design for uncertain linear continuous-time systems. A design procedure dealing with parameter uncertainties is proposed for residual generation, the sensitivity to fault and the robustness against disturbances are both enhanced on residual outputs through satisfying some performance indexes. By the aid of the generalized Kalman-Yakubovich-Popov (GKYP) lemma, the fault sensitivity performance index can be dealt with in the given frequency range directly, which avoids approximations associated with frequency weights of the existing techniques. An iterative algorithm based on linear matrix inequality (LMI) is given to obtain the solutions. A numerical example is given to illustrate the effectiveness of the proposed methods.
2010, 36(5): 751-756.
doi: 10.3724/SP.J.1004.2010.00751
摘要:
讨论离散广义时滞系统的稳定性问题. 在不使用系统分解和等价转换的情况下, 利用线性矩阵不等式方法, 给出保证系统正则、因果和稳定的时滞依赖条件. 与已有的方法相比, 本文的方法更加充分地利用时滞的信息, 因此所得结果具有较小的保守性. 数值例子说明本文结果的有效性.
讨论离散广义时滞系统的稳定性问题. 在不使用系统分解和等价转换的情况下, 利用线性矩阵不等式方法, 给出保证系统正则、因果和稳定的时滞依赖条件. 与已有的方法相比, 本文的方法更加充分地利用时滞的信息, 因此所得结果具有较小的保守性. 数值例子说明本文结果的有效性.
2010, 36(5): 756-761.
doi: 10.3724/SP.J.1004.2010.00755
摘要:
This paper is concerned with state estimation of two-dimensional (2-D) discrete stochastic systems. First, 2-D discrete stochastic system model is established by extending system matrices of the well-known Fornasini-Marchesini's second model into stochastic matrices. Each element of these stochastic matrices is second-order weakly stationary white noise sequences. Secondly, a linear and unbiased full-order state estimation problem for 2-D discrete linear stochastic model is formulated. Two estimation problems considered are the designs for the mean-square bounded estimation error and for the mean-square stochastic version of the suboptimal H∞ estimator, respectively. Our results can be seen as extensions of the 2-D linear deterministic case. Finally, illustrative examples are provided.
This paper is concerned with state estimation of two-dimensional (2-D) discrete stochastic systems. First, 2-D discrete stochastic system model is established by extending system matrices of the well-known Fornasini-Marchesini's second model into stochastic matrices. Each element of these stochastic matrices is second-order weakly stationary white noise sequences. Secondly, a linear and unbiased full-order state estimation problem for 2-D discrete linear stochastic model is formulated. Two estimation problems considered are the designs for the mean-square bounded estimation error and for the mean-square stochastic version of the suboptimal H∞ estimator, respectively. Our results can be seen as extensions of the 2-D linear deterministic case. Finally, illustrative examples are provided.
2010, 36(5): 762-766.
doi: 10.3724/SP.J.1004.2010.00762
摘要:
研究了带有饱和控制器的时滞Markovian跳跃双线性系统随机镇定问题. 文章先给出了采用无记忆控制的相应无时滞系统局部指数稳定的充分性条件, 然后给出了采用该无记忆控制的时滞系统保持随机稳定性的最大时滞上界估计. 数值算例验证了该方法的有效性.
研究了带有饱和控制器的时滞Markovian跳跃双线性系统随机镇定问题. 文章先给出了采用无记忆控制的相应无时滞系统局部指数稳定的充分性条件, 然后给出了采用该无记忆控制的时滞系统保持随机稳定性的最大时滞上界估计. 数值算例验证了该方法的有效性.
2010, 36(5): 767-772.
doi: 10.3724/SP.J.1004.2010.00767
摘要:
研究了同时具有不确定性和多丢包情况下的离散时变系统的鲁棒滤波问题, 其中的不确定性是时变的、范数有界的, 且存在于系统的状态矩阵和输出矩阵中. 通过把多丢包问题建模成系统模型中的随机参数, 在允许的不确定性情况下, 给出了估计误差方差的上界, 并进一步基于矩阵范数的意义最小化该上界. 结果表明, 通过求解两个Riccati差分方程, 可以设计鲁棒滤波器. 最后, 提出适合在线计算的鲁棒滤波算法, 并通过仿真实例表明所提算法的有效性和实用性.
研究了同时具有不确定性和多丢包情况下的离散时变系统的鲁棒滤波问题, 其中的不确定性是时变的、范数有界的, 且存在于系统的状态矩阵和输出矩阵中. 通过把多丢包问题建模成系统模型中的随机参数, 在允许的不确定性情况下, 给出了估计误差方差的上界, 并进一步基于矩阵范数的意义最小化该上界. 结果表明, 通过求解两个Riccati差分方程, 可以设计鲁棒滤波器. 最后, 提出适合在线计算的鲁棒滤波算法, 并通过仿真实例表明所提算法的有效性和实用性.
