2014年 第40卷 第2期
2014, 40(2): 161-171.
doi: 10.3724/SP.J.1004.2014.00161
摘要:
介绍了间歇故障的概念，对间歇故障的背景和产生原因以及间歇故障诊断问题的研究意义进行了分析，以间歇故障的成因、幅值特性和不同时刻发生故障之间的相关性等为依据，对间歇故障进行了 分类. 然后对间歇故障诊断的研究现状进行了概述，把目前间歇故障诊断的方法大体分为定性分析和定量分析两大类，并对每一类现有 的方法进行细分，对每种方法的基本思想、优劣特点和适用条件进行了概述 和讨论. 最后探讨了间歇故障诊断研究中亟待解决的问题.
介绍了间歇故障的概念，对间歇故障的背景和产生原因以及间歇故障诊断问题的研究意义进行了分析，以间歇故障的成因、幅值特性和不同时刻发生故障之间的相关性等为依据，对间歇故障进行了 分类. 然后对间歇故障诊断的研究现状进行了概述，把目前间歇故障诊断的方法大体分为定性分析和定量分析两大类，并对每一类现有 的方法进行细分，对每种方法的基本思想、优劣特点和适用条件进行了概述 和讨论. 最后探讨了间歇故障诊断研究中亟待解决的问题.
2014, 40(2): 172-184.
doi: 10.3724/SP.J.1004.2014.00172
摘要:
融合了用户认知和智能评价的交互式遗传算法（Interactive genetic algorithm，IGA）是解决一类定性性能指标优化问题的有效方法，但是，评价不确定性和易疲劳性极大地限制了该算法解决实际问题的能力. 基于用户已评价信息，采用合适的机器学习方法，构建用户认知代理模型是解决上述问题的常用方法之一. 但是，现有研究成果均没有考虑用户评价不确定性对学习样本、代理模型的影响，以及模型拟合不确定性对基于适应值的进化操作有效性的影响. 针对上述问题，本文提出基于加权多输出高斯过程（Gaussian process，GP）代理模型的交互式遗传算法. 首先，在区间适应值评价模式下，提取学习样本的噪声特性，以确定相应学习样本对代理模型的影响度权重系数，构建两输出高斯过程代理模型；然后，利用代理模型提供的预测值及预测置信水平，给出一种新的个体适应值估计方法和个体选择方法；基于模型预测信息，实现模型更新管理. 将所提算法分别应用于含噪函数和服装设计问题中，所得结果表明本文算法可更好地拟合和跟踪用户认知，减小对进化搜索的误导，更快找到用户满意解.
融合了用户认知和智能评价的交互式遗传算法（Interactive genetic algorithm，IGA）是解决一类定性性能指标优化问题的有效方法，但是，评价不确定性和易疲劳性极大地限制了该算法解决实际问题的能力. 基于用户已评价信息，采用合适的机器学习方法，构建用户认知代理模型是解决上述问题的常用方法之一. 但是，现有研究成果均没有考虑用户评价不确定性对学习样本、代理模型的影响，以及模型拟合不确定性对基于适应值的进化操作有效性的影响. 针对上述问题，本文提出基于加权多输出高斯过程（Gaussian process，GP）代理模型的交互式遗传算法. 首先，在区间适应值评价模式下，提取学习样本的噪声特性，以确定相应学习样本对代理模型的影响度权重系数，构建两输出高斯过程代理模型；然后，利用代理模型提供的预测值及预测置信水平，给出一种新的个体适应值估计方法和个体选择方法；基于模型预测信息，实现模型更新管理. 将所提算法分别应用于含噪函数和服装设计问题中，所得结果表明本文算法可更好地拟合和跟踪用户认知，减小对进化搜索的误导，更快找到用户满意解.
2014, 40(2): 185-196.
doi: 10.3724/SP.J.1004.2014.00185
摘要:
高层建筑结构规模巨大、人员众多，而疏散出口数量有限，如何有效安排疏散出口人员分布，提高疏散效率，是火灾应急管理的重要研究内容. 以人为中心的疏散系统是典型的复杂系统，具有难以真实实验分析的困难. 本文基于ACP（人工系统、计算实验、平行执行）方法，以智能体技术为核心建立了人工疏散系统，基于火灾场景，利用计算实验对疏散策略进行了验证、评估，给出了实际疏散系统与人工疏散系统的平行执行实现思想. 最后，通过案例验证了方法的可行性.
高层建筑结构规模巨大、人员众多，而疏散出口数量有限，如何有效安排疏散出口人员分布，提高疏散效率，是火灾应急管理的重要研究内容. 以人为中心的疏散系统是典型的复杂系统，具有难以真实实验分析的困难. 本文基于ACP（人工系统、计算实验、平行执行）方法，以智能体技术为核心建立了人工疏散系统，基于火灾场景，利用计算实验对疏散策略进行了验证、评估，给出了实际疏散系统与人工疏散系统的平行执行实现思想. 最后，通过案例验证了方法的可行性.
2014, 40(2): 197-207.
doi: 10.3724/SP.J.1004.2014.00197
摘要:
利用Hammerstein模型对超磁致伸缩作动器（Giant magnetostrictive actuators，GMA）的率相关迟滞非线性进行建模，分别以改进的 Prandtl-Ishlinskii（Modified Prandtl-Ishlinskii）模型和外因输入自回归模型（Autoregressive model with exogenous input，ARX）代表Hammerstein模型中的静态非线性部分和线性动态部分，并给出了模型的辨识方法. 此模型能在1～100Hz频率范围内较好地描述GMA的率相关迟滞非线性. 提出了带有逆补偿器和H∞鲁棒控制器的二自由度跟踪控制策略，实时跟踪控制实验结果证明了所提策略的有效性.
利用Hammerstein模型对超磁致伸缩作动器（Giant magnetostrictive actuators，GMA）的率相关迟滞非线性进行建模，分别以改进的 Prandtl-Ishlinskii（Modified Prandtl-Ishlinskii）模型和外因输入自回归模型（Autoregressive model with exogenous input，ARX）代表Hammerstein模型中的静态非线性部分和线性动态部分，并给出了模型的辨识方法. 此模型能在1～100Hz频率范围内较好地描述GMA的率相关迟滞非线性. 提出了带有逆补偿器和H∞鲁棒控制器的二自由度跟踪控制策略，实时跟踪控制实验结果证明了所提策略的有效性.
2014, 40(2): 208-218.
doi: 10.3724/SP.J.1004.2014.00208
摘要:
基于参量Lyapunov方法和不变集理论，针对具有输入饱和非线性约束的线性系统，提出了一种离散增益调度控制方法. 通过逐渐 增大代表闭环系统收敛速率参数的值，所提出的离散增益调度控制方法逐步加快闭环系统的收敛速度，达到改善闭环系统 动态性能的目的. 如果开环系统是非指数不稳定的，则所提出的离散增益调度控制器可实现半全局镇定；反之可实现局部镇定，并均可保证闭环系统的指数稳定性. 最后，将 所提出的方法应用于空间合作目标在轨交会控制系统的控制器设计，并直接在原始非线 性系统模型上进行仿真，结果验证了所提方法的有效性.
基于参量Lyapunov方法和不变集理论，针对具有输入饱和非线性约束的线性系统，提出了一种离散增益调度控制方法. 通过逐渐 增大代表闭环系统收敛速率参数的值，所提出的离散增益调度控制方法逐步加快闭环系统的收敛速度，达到改善闭环系统 动态性能的目的. 如果开环系统是非指数不稳定的，则所提出的离散增益调度控制器可实现半全局镇定；反之可实现局部镇定，并均可保证闭环系统的指数稳定性. 最后，将 所提出的方法应用于空间合作目标在轨交会控制系统的控制器设计，并直接在原始非线 性系统模型上进行仿真，结果验证了所提方法的有效性.
2014, 40(2): 219-226.
doi: 10.3724/SP.J.1004.2014.00219
摘要:
研究具有多包不确定型参数和有界噪声系统的动态输出反馈鲁棒模型预测控制（Output feedback robust model predictive control，OFRMPC）的综合方法. 前期的研究表明，估计误差集合（Estimation error set，EES）的更新是输出反馈模型预测控制综合方法研究的一个关键技术. 在本文中，通过利用S-procedure，采用新的估计误差集合更新方法.通过适当地在线更新估计误差集合，可获得下一采样时刻更紧凑的估计误差集合. 通过数值仿真例子验证了该方法的有效性.
研究具有多包不确定型参数和有界噪声系统的动态输出反馈鲁棒模型预测控制（Output feedback robust model predictive control，OFRMPC）的综合方法. 前期的研究表明，估计误差集合（Estimation error set，EES）的更新是输出反馈模型预测控制综合方法研究的一个关键技术. 在本文中，通过利用S-procedure，采用新的估计误差集合更新方法.通过适当地在线更新估计误差集合，可获得下一采样时刻更紧凑的估计误差集合. 通过数值仿真例子验证了该方法的有效性.
2014, 40(2): 227-235.
doi: 10.3724/SP.J.1004.2014.00227
摘要:
由于人左右眼间距的存在，使得同一空间物体在左右眼视网膜上的投影存在位置差异，称之为视差. 左右眼视网膜获取的信息最初在初级视皮层（Ⅴ1区）进行融合，该区域有大量对视差敏感的神经元.关于它们的视差选择特性，目前比较公认的计算模型是视差能量模型，然而该模型却无法解释Ⅴ1区神经元对反相关随机点立体图（Anti-correlated random dot stereograms，aRDS）的响应要比对随机点立体图的 响应弱这一神经生理学发现.为此，本文提出了一种加权视差能量模型：首先，利用左右眼感受野内的信号差异对神经元的响应能量进行调制，然后再结合神经元之间的相互作用来计算细胞群响应，从而得到图像视差.本文旨在探索基于神经生理学的视差计算方法，主要贡献有：1）加权视差能量模型能够很好地解释Ⅴ1区神经元对反随机点立体图的响 应比随机点立体图响应弱的生理特性；2）加权视差能量模型的视差计算结果精度比现有基于神经生理学的模型 更高，甚至高于一些传统的计算机视觉方法.
由于人左右眼间距的存在，使得同一空间物体在左右眼视网膜上的投影存在位置差异，称之为视差. 左右眼视网膜获取的信息最初在初级视皮层（Ⅴ1区）进行融合，该区域有大量对视差敏感的神经元.关于它们的视差选择特性，目前比较公认的计算模型是视差能量模型，然而该模型却无法解释Ⅴ1区神经元对反相关随机点立体图（Anti-correlated random dot stereograms，aRDS）的响应要比对随机点立体图的 响应弱这一神经生理学发现.为此，本文提出了一种加权视差能量模型：首先，利用左右眼感受野内的信号差异对神经元的响应能量进行调制，然后再结合神经元之间的相互作用来计算细胞群响应，从而得到图像视差.本文旨在探索基于神经生理学的视差计算方法，主要贡献有：1）加权视差能量模型能够很好地解释Ⅴ1区神经元对反随机点立体图的响 应比随机点立体图响应弱的生理特性；2）加权视差能量模型的视差计算结果精度比现有基于神经生理学的模型 更高，甚至高于一些传统的计算机视觉方法.
2014, 40(2): 236-246.
doi: 10.3724/SP.J.1004.2014.00236
摘要:
特征迁移重在领域共有特征间学习，然而其忽略领域特有特征的判别信息，使算法的适应性受到一定的局限. 针对此问题，提出了一种融合异构特征的子空间迁移学习（The subspace transfer learning algorithm integrating with heterogeneous features，STL-IHF）算法.该算法将数据的特征空间看成共享和特有两个特征子空间的组合，同时基于经验风险最 小框架将共享特征和特有特征共同嵌入到支持向量机（Support vector machine，SVM）的训练过程中.其在共享特征子空间上实现知识迁移的 同时兼顾了领域特有的异构信息，增强了算法的适应性.模拟和真实数据集上的实验结果表明了所提方法的有效性.
特征迁移重在领域共有特征间学习，然而其忽略领域特有特征的判别信息，使算法的适应性受到一定的局限. 针对此问题，提出了一种融合异构特征的子空间迁移学习（The subspace transfer learning algorithm integrating with heterogeneous features，STL-IHF）算法.该算法将数据的特征空间看成共享和特有两个特征子空间的组合，同时基于经验风险最 小框架将共享特征和特有特征共同嵌入到支持向量机（Support vector machine，SVM）的训练过程中.其在共享特征子空间上实现知识迁移的 同时兼顾了领域特有的异构信息，增强了算法的适应性.模拟和真实数据集上的实验结果表明了所提方法的有效性.
2014, 40(2): 247-254.
doi: 10.3724/SP.J.1004.2014.00247
摘要:
现有光场采集系统存在角度信息欠采样的问题，由此引起的图像混叠效应降低了光场图像质量. 本文在2D光场框架下分析了光场图像混叠的空域模型，并且提出一种变换离散孔径采样密度的混叠检测方法. 该方法通过计算随机遮挡孔径（Random masked aperture，RMA）成像点集的变异系数进行混叠检测，特点在于无需已知场景深度和纹理的先验信息. 以平面相机阵列为采集平台，本文在多组真实光场数据集上进行了方法的验证，并且在检测结果基础上对混叠效应进行了修正.
现有光场采集系统存在角度信息欠采样的问题，由此引起的图像混叠效应降低了光场图像质量. 本文在2D光场框架下分析了光场图像混叠的空域模型，并且提出一种变换离散孔径采样密度的混叠检测方法. 该方法通过计算随机遮挡孔径（Random masked aperture，RMA）成像点集的变异系数进行混叠检测，特点在于无需已知场景深度和纹理的先验信息. 以平面相机阵列为采集平台，本文在多组真实光场数据集上进行了方法的验证，并且在检测结果基础上对混叠效应进行了修正.
2014, 40(2): 255-266.
doi: 10.3724/SP.J.1004.2014.00255
摘要:
进一步挖掘图像补丁特征信息，提出了一种鲁棒性更高的二进制描述子. 针对传统的二进制描述子对旋转和视角变化鲁棒性差的问题，本文通过优化采样模式和分解图像补丁对其改进. 首先，通过对最新提出的采样模式特点的分析、测试，发现采样点密度和平滑重叠度对产生的描述子独特性有重要影响；据此，调整这两个影响因子，设计出一种优化的采样模式. 其次，利用像素点灰度值排序方法分解图像补丁，产生多个对应不同灰度段的亚补丁. 最后，将优化的采样模式映射到亚补丁上，随机提取样本点进行灰度值比较测试.所得到的二进制描述子不仅包含了补丁像素的灰度比较信息，而且包含了灰度排序信息. 通过对比实验看到本文的二进制描述子对特征识别匹配效果最好.本文的特征描述方 法可应用于实时性要求高、内存紧凑的高质量目标识别.
进一步挖掘图像补丁特征信息，提出了一种鲁棒性更高的二进制描述子. 针对传统的二进制描述子对旋转和视角变化鲁棒性差的问题，本文通过优化采样模式和分解图像补丁对其改进. 首先，通过对最新提出的采样模式特点的分析、测试，发现采样点密度和平滑重叠度对产生的描述子独特性有重要影响；据此，调整这两个影响因子，设计出一种优化的采样模式. 其次，利用像素点灰度值排序方法分解图像补丁，产生多个对应不同灰度段的亚补丁. 最后，将优化的采样模式映射到亚补丁上，随机提取样本点进行灰度值比较测试.所得到的二进制描述子不仅包含了补丁像素的灰度比较信息，而且包含了灰度排序信息. 通过对比实验看到本文的二进制描述子对特征识别匹配效果最好.本文的特征描述方 法可应用于实时性要求高、内存紧凑的高质量目标识别.
2014, 40(2): 267-276.
doi: 10.3724/SP.J.1004.2014.00267
摘要:
针对仿人机器人视觉导航系统的鲁棒性受到运动模糊制约的问题，提出一种基于运动模糊特征的实时性异常探测方法. 首先定量地分析运动模糊对视觉导航系统的负面影响，然后研究仿人机器人上图像的运动模糊规律，在此基础上对图像的运动模糊特征进行无参考的度量，随后采用无监督的异常探测技术，在探测框架下对时间序列上发生的图像运动模糊特征进行聚类分析，实时地召回数据流中的模糊异常，以增强机器人视觉导航系统对运动模糊的鲁棒性. 仿真实验和仿人机器人实验表明：针对国际公开的标准数据集和仿人机器人NAO数据集，方法具有良好的实时性（一次探测时间0.1s）和有效性（召回率98.5%，精确率90.7%）. 方法的探测框架对地面移动机器人亦具有较好的普适性和集成性，可方便地与视觉导航系统协同工作.
针对仿人机器人视觉导航系统的鲁棒性受到运动模糊制约的问题，提出一种基于运动模糊特征的实时性异常探测方法. 首先定量地分析运动模糊对视觉导航系统的负面影响，然后研究仿人机器人上图像的运动模糊规律，在此基础上对图像的运动模糊特征进行无参考的度量，随后采用无监督的异常探测技术，在探测框架下对时间序列上发生的图像运动模糊特征进行聚类分析，实时地召回数据流中的模糊异常，以增强机器人视觉导航系统对运动模糊的鲁棒性. 仿真实验和仿人机器人实验表明：针对国际公开的标准数据集和仿人机器人NAO数据集，方法具有良好的实时性（一次探测时间0.1s）和有效性（召回率98.5%，精确率90.7%）. 方法的探测框架对地面移动机器人亦具有较好的普适性和集成性，可方便地与视觉导航系统协同工作.
2014, 40(2): 277-288.
doi: 10.3724/SP.J.1004.2014.00277
摘要:
针对现有算法聚类精度不高、处理离群点能力较差以及不能实时检测数据流变化的缺陷，提出一种基于密度与近邻传播融合的数据流聚类算法.该算法采用在线/离线两阶段处理框架，通过引 入微簇衰减密度来精确反映数据流的演化信息，并采用在线动态维护和删减微簇机制，使算法模型更 符合原始数据流的内在特性.同时，当模型中检测到新的类模式出现时，采用一种改进的加权近邻传播聚类（Weighted and hierarchical affinity propagation，WAP）算法对模 型进行重建，因而能够实时检测到数据流的变化，并能给出任意时间的聚类结果.在真实数据集和人工 数据集上的实验表明，该算法具有良好的适用性、有效性和可扩展性，能够取得较好的聚类效果.
针对现有算法聚类精度不高、处理离群点能力较差以及不能实时检测数据流变化的缺陷，提出一种基于密度与近邻传播融合的数据流聚类算法.该算法采用在线/离线两阶段处理框架，通过引 入微簇衰减密度来精确反映数据流的演化信息，并采用在线动态维护和删减微簇机制，使算法模型更 符合原始数据流的内在特性.同时，当模型中检测到新的类模式出现时，采用一种改进的加权近邻传播聚类（Weighted and hierarchical affinity propagation，WAP）算法对模 型进行重建，因而能够实时检测到数据流的变化，并能给出任意时间的聚类结果.在真实数据集和人工 数据集上的实验表明，该算法具有良好的适用性、有效性和可扩展性，能够取得较好的聚类效果.
2014, 40(2): 289-305.
doi: 10.3724/SP.J.1004.2014.00289
摘要:
为了实现通过自然语言指导机器人导航的目的，提出了一种利用描述路径的自然语言直接绘出机器人运行路径的方法.为了提高机器人对路径自然语言的理解，采用了基于组块的分析方法.首先深入地研究了收集到的路径描述的自然语言语料库，总结出了语义和句法的对应关系.在此基础上，构造了层叠条件随机场，通过采用组块分析方法，先进行名词短语组块的提取，然后提取语义组块.为了解决名词短语的解析问题，引入了名词实体关系推理方法. 并且在提取出的语义组块的基础上逐个建立路径单元，组成完整的路径信息.最后，给出了自然语言处理各个环节的实验结果，并结合具体语句展示了从文字到机器人导航地图的映射过程，对开展人机交互式和谐导航具有重要意义.
为了实现通过自然语言指导机器人导航的目的，提出了一种利用描述路径的自然语言直接绘出机器人运行路径的方法.为了提高机器人对路径自然语言的理解，采用了基于组块的分析方法.首先深入地研究了收集到的路径描述的自然语言语料库，总结出了语义和句法的对应关系.在此基础上，构造了层叠条件随机场，通过采用组块分析方法，先进行名词短语组块的提取，然后提取语义组块.为了解决名词短语的解析问题，引入了名词实体关系推理方法. 并且在提取出的语义组块的基础上逐个建立路径单元，组成完整的路径信息.最后，给出了自然语言处理各个环节的实验结果，并结合具体语句展示了从文字到机器人导航地图的映射过程，对开展人机交互式和谐导航具有重要意义.
2014, 40(2): 306-315.
doi: 10.3724/SP.J.1004.2014.00306
摘要:
图像融合质量评价指标研究旨在提供一种高效、准确的方法，为融合模型 选择、参数优化等问题提供支持. 本文通过对现有指标的机理分析、指标性能检验与 指标间相关性分析，提出一种客观评价指标集的遴选策略. 本文首先将现有客观评价 指标归为三类：基于统计的、基于信息的和基于人类视觉系统的；之后列举了类别内经典指标和最新指标；并在标准数据集上，使用正确排序指标对各图 像融合客观评价指标的性能进行验证. 结果表明，基于视觉系统类的指标性能普遍优于前两类. 最后，利用Spearman相关系数挖掘各指 标间的相关程度. 实验表明，通过指标性能和相 关系数可以选取合适的客观评价指标集.
图像融合质量评价指标研究旨在提供一种高效、准确的方法，为融合模型 选择、参数优化等问题提供支持. 本文通过对现有指标的机理分析、指标性能检验与 指标间相关性分析，提出一种客观评价指标集的遴选策略. 本文首先将现有客观评价 指标归为三类：基于统计的、基于信息的和基于人类视觉系统的；之后列举了类别内经典指标和最新指标；并在标准数据集上，使用正确排序指标对各图 像融合客观评价指标的性能进行验证. 结果表明，基于视觉系统类的指标性能普遍优于前两类. 最后，利用Spearman相关系数挖掘各指 标间的相关程度. 实验表明，通过指标性能和相 关系数可以选取合适的客观评价指标集.
2014, 40(2): 316-326.
doi: 10.3724/SP.J.1004.2014.00316
摘要:
合成孔径雷达（Synthetic aperture radar，SAR）图像因为相干斑现象和目标响应的空间变化呈现出一种纹理特性，局部二进编码等局部图像特征 在光学纹理描述中获得较好的结果，但光学纹理特征在描述SAR图像纹理特性中因为相干成像特性往往失效. 本文 在前期工作纹理特征框架的基础上，提出了一种局部重要性采样二进编码的SAR图像纹理特征（Feature extraction based on local important sampling binary，LISBF）描述方法：首先，利用样本图像对局部采样位 置进行随机自适应采样，基于重要性采样（Important sample，IS）方法输出递归学习位置结果；然后，利用学习出的纹理重要采样点对进 行二进特征编码；最后，通过映射和统计生成描述算子. 该特征较固定位置采样能够获取更大范围信息，同时能通 过采样避免特征维数的急剧增大；通过自适应学习重要性关键点较随机采样 更容易捕捉纹理固有信息；较好地适应了SAR图像极低信噪比和斑点现象的纹理. 本文将该特征用于真实图像和标准纹理库的分类研究，实验结果证明了该特征的有效性.
合成孔径雷达（Synthetic aperture radar，SAR）图像因为相干斑现象和目标响应的空间变化呈现出一种纹理特性，局部二进编码等局部图像特征 在光学纹理描述中获得较好的结果，但光学纹理特征在描述SAR图像纹理特性中因为相干成像特性往往失效. 本文 在前期工作纹理特征框架的基础上，提出了一种局部重要性采样二进编码的SAR图像纹理特征（Feature extraction based on local important sampling binary，LISBF）描述方法：首先，利用样本图像对局部采样位 置进行随机自适应采样，基于重要性采样（Important sample，IS）方法输出递归学习位置结果；然后，利用学习出的纹理重要采样点对进 行二进特征编码；最后，通过映射和统计生成描述算子. 该特征较固定位置采样能够获取更大范围信息，同时能通 过采样避免特征维数的急剧增大；通过自适应学习重要性关键点较随机采样 更容易捕捉纹理固有信息；较好地适应了SAR图像极低信噪比和斑点现象的纹理. 本文将该特征用于真实图像和标准纹理库的分类研究，实验结果证明了该特征的有效性.
2014, 40(2): 327-335.
doi: 10.3724/SP.J.1004.2014.00327
摘要:
针对含有过程噪声的Hammerstein-Wiener系统，本文提出一种递归辨识算法用于系统的在线辨识. 首先使用多项式函数对系统非线性部分进行严格参数化，在此基础上以参数误差平方和的期望值最小为目标函数，推导出参数估计的递归更新公式，避免了过程噪声对辨识结果的影响. 通过对算法进行深入分析，得到参数一致收敛的条件，并给出算法中重要系数的设定方法，使参数收敛域得到扩大. 与传统两阶段法的数值仿真比较验证了该方法的优越性.
针对含有过程噪声的Hammerstein-Wiener系统，本文提出一种递归辨识算法用于系统的在线辨识. 首先使用多项式函数对系统非线性部分进行严格参数化，在此基础上以参数误差平方和的期望值最小为目标函数，推导出参数估计的递归更新公式，避免了过程噪声对辨识结果的影响. 通过对算法进行深入分析，得到参数一致收敛的条件，并给出算法中重要系数的设定方法，使参数收敛域得到扩大. 与传统两阶段法的数值仿真比较验证了该方法的优越性.
2014, 40(2): 336-347.
doi: 10.3724/SP.J.1004.2014.00336
摘要:
提出了一种可适用于杂波环境下对多个机动目标进行跟踪并能形成多目标航迹的多模型势平衡多目标多伯努利（Cardinality balanced multi-target multi-Bernoulli，CBMeMBer）滤波器. 随后，在多机动目标时间演化模型和观测模型均为线性高斯的假设条件下利用高斯混合（Gaussian mixture，GM）技术获得了该滤波器解析的递推形式——-多模型 GM-CBMeMBer 滤波器，并简要给出了它在非线性条件下的扩展卡尔曼（Extended Kalman，EK）滤波近似. 仿真实验结果表明所建议的多模型 GM-CBMeMBer 滤波器能有效地对多个机动目标进行跟踪而单模型 GM-CBMeMBer 滤波器则会产生明显的航迹丢失和虚假航迹，并且对于信噪比较低的仿真场景，它的性能优于多模型高斯混合概率假设密度（GM probability hypothesis density，GM-PHD）滤波器，接近于多模型高斯混合势概率假设密度（GM cardinalized PHD，GM-CPHD）滤波器.
提出了一种可适用于杂波环境下对多个机动目标进行跟踪并能形成多目标航迹的多模型势平衡多目标多伯努利（Cardinality balanced multi-target multi-Bernoulli，CBMeMBer）滤波器. 随后，在多机动目标时间演化模型和观测模型均为线性高斯的假设条件下利用高斯混合（Gaussian mixture，GM）技术获得了该滤波器解析的递推形式——-多模型 GM-CBMeMBer 滤波器，并简要给出了它在非线性条件下的扩展卡尔曼（Extended Kalman，EK）滤波近似. 仿真实验结果表明所建议的多模型 GM-CBMeMBer 滤波器能有效地对多个机动目标进行跟踪而单模型 GM-CBMeMBer 滤波器则会产生明显的航迹丢失和虚假航迹，并且对于信噪比较低的仿真场景，它的性能优于多模型高斯混合概率假设密度（GM probability hypothesis density，GM-PHD）滤波器，接近于多模型高斯混合势概率假设密度（GM cardinalized PHD，GM-CPHD）滤波器.
2014, 40(2): 348-356.
doi: 10.3724/SP.J.1004.2014.00348
摘要:
由于雷达自动目标识别（Radar automatic target recognition，RATR）中库外目标的存在，评价系统性能时应综合考虑其识别性能和拒判性能. 由此本文构造了一种将分类器的输出通过最近邻分类器（Nearest neighbor，NN）进行拒判和识别的“分类器——最近邻”系统，并在拒判和识别两个阶 段分别采用多分类器融合技术以提高RATR系统的拒判和识别综合性能. 此外，文中定义了一种代价函数以衡量系统综合性能并为系统拒判工作点的选取提供依据. 进而，采用局部法和全局法两种算法确定拒判器的工作点. 实测数据实验结果验证了本文方法的有效性，两种工作点选取算法均能够显著提高识别系统的综合性能.
由于雷达自动目标识别（Radar automatic target recognition，RATR）中库外目标的存在，评价系统性能时应综合考虑其识别性能和拒判性能. 由此本文构造了一种将分类器的输出通过最近邻分类器（Nearest neighbor，NN）进行拒判和识别的“分类器——最近邻”系统，并在拒判和识别两个阶 段分别采用多分类器融合技术以提高RATR系统的拒判和识别综合性能. 此外，文中定义了一种代价函数以衡量系统综合性能并为系统拒判工作点的选取提供依据. 进而，采用局部法和全局法两种算法确定拒判器的工作点. 实测数据实验结果验证了本文方法的有效性，两种工作点选取算法均能够显著提高识别系统的综合性能.
2014, 40(2): 357-367.
doi: 10.3724/SP.J.1004.2014.00357
摘要:
面向大尺度环境中的移动机器人同时定位与地图构建（Simultaneous localization and mapping，SLAM）问题，提出平方根容积Rao-Blackwillised粒子滤波SLAM算法. 算法主要特点在于：1）采用容积律计算SLAM中的非线性函数高斯权重积分，达到减小SLAM非线性模型线性化误差、提高SLAM精度的目的；2）在SLAM中直接传播误差协方差矩阵的平方根因子，避免了耗费时间的协方差矩阵分解与重构过程，提高了SLAM计算效率. 通过仿真、实验将提出的SLAM算法与FastSLAM2.0、UFastSLAM两种算法进行对比，结果表明本文算法在SLAM性能上优于另两者.
面向大尺度环境中的移动机器人同时定位与地图构建（Simultaneous localization and mapping，SLAM）问题，提出平方根容积Rao-Blackwillised粒子滤波SLAM算法. 算法主要特点在于：1）采用容积律计算SLAM中的非线性函数高斯权重积分，达到减小SLAM非线性模型线性化误差、提高SLAM精度的目的；2）在SLAM中直接传播误差协方差矩阵的平方根因子，避免了耗费时间的协方差矩阵分解与重构过程，提高了SLAM计算效率. 通过仿真、实验将提出的SLAM算法与FastSLAM2.0、UFastSLAM两种算法进行对比，结果表明本文算法在SLAM性能上优于另两者.
2014, 40(2): 368-372.
doi: 10.3724/SP.J.1004.2014.00368
摘要:
由于农作物的播种、收获、除草和农药化肥喷洒具有周期性的特点，农业车辆在执行农田作业时具有较强的重复性. 基于迭代学习控制（Iterative learning control，ILC）方法研究农业车辆的路径跟踪问题，建立了农业车辆的两轮移动机器人运动学模型，设计了车辆路径跟踪的迭代学习控制算法，并基于压缩 映射方法理论上证明了算法的收敛性. 研究表明，迭代学习控制可有效利用农业车辆运行的重复信息，实现车辆期望路径有限区间内的高精度完全跟踪控制. 仿真示例验证了本文方法的有效性.
由于农作物的播种、收获、除草和农药化肥喷洒具有周期性的特点，农业车辆在执行农田作业时具有较强的重复性. 基于迭代学习控制（Iterative learning control，ILC）方法研究农业车辆的路径跟踪问题，建立了农业车辆的两轮移动机器人运动学模型，设计了车辆路径跟踪的迭代学习控制算法，并基于压缩 映射方法理论上证明了算法的收敛性. 研究表明，迭代学习控制可有效利用农业车辆运行的重复信息，实现车辆期望路径有限区间内的高精度完全跟踪控制. 仿真示例验证了本文方法的有效性.
2014, 40(2): 373-378.
doi: 10.3724/SP.J.1004.2014.00373
摘要:
基于线性时不变系统能控能观标准型变换及非线性系统高增益观测器方法，本文研究了一类线性时变系统 的输出反馈控制问题. 通过引入时变的状态变量坐标变换，分别设计了线性时变系统的状态反馈控制器、状态观测器以及基于 状态观测器的输出反馈控制器. 进一步地，本文分别证明了观测器动态误差是渐近收敛于零的，而状态反馈控制器以及输出反馈控制器可以 保证闭环系统的渐近稳定性.
基于线性时不变系统能控能观标准型变换及非线性系统高增益观测器方法，本文研究了一类线性时变系统 的输出反馈控制问题. 通过引入时变的状态变量坐标变换，分别设计了线性时变系统的状态反馈控制器、状态观测器以及基于 状态观测器的输出反馈控制器. 进一步地，本文分别证明了观测器动态误差是渐近收敛于零的，而状态反馈控制器以及输出反馈控制器可以 保证闭环系统的渐近稳定性.
2014, 40(2): 379-384.
doi: 10.3724/SP.J.1004.2014.00379
摘要:
针对一类含不确定参数的本质非线性系统，基于非光滑控制技术，提出了 一种基于采样控制的全局非光滑镇定方案. 首先，基于加幂积分技术和递归设计方法，提出了一类采样状态反馈控制器构造性设计方法.然后，通过合理地构造Lyapunvo泛函，严格地证明了存在一个最大采样周期 可以保证闭环系统的全局渐近稳定性. 由于控制器是离散形式的，所以在实际中易于用计算机来实现. 仿真结果验证了该方法的有效 性.
针对一类含不确定参数的本质非线性系统，基于非光滑控制技术，提出了 一种基于采样控制的全局非光滑镇定方案. 首先，基于加幂积分技术和递归设计方法，提出了一类采样状态反馈控制器构造性设计方法.然后，通过合理地构造Lyapunvo泛函，严格地证明了存在一个最大采样周期 可以保证闭环系统的全局渐近稳定性. 由于控制器是离散形式的，所以在实际中易于用计算机来实现. 仿真结果验证了该方法的有效 性.
