【摘 要】
：
本文针对无线传感器网络中的目标跟踪问题,研究了分布式量化卡尔曼滤波问题.由于网络中存在能量和带宽限制,传感器传输的数据必须经过量化处理.考虑一个线性离散随机动态系统
【机 构】
：
华南理工大学自动化科学与工程学院,广东第二师范学院计算机科学系
【基金项目】
：
国家自然科学基金重点资助项目（60834003）,国家自然科学基金资助项目（60774057）,国家科技部“973”计划资助项目（2010CB731802）
论文部分内容阅读
本文针对无线传感器网络中的目标跟踪问题,研究了分布式量化卡尔曼滤波问题.由于网络中存在能量和带宽限制,传感器传输的数据必须经过量化处理.考虑一个线性离散随机动态系统,首先提出了一种动态Lloyd-Max量化器并设计了其在线更新方案,然后基于贝叶斯原理导出了递归形式的最优量化卡尔曼滤波器,同时给出了一种渐近等价的迭代算法,并进一步分析了量化卡尔曼滤波器的稳定性.最后,仿真结果验证了所设计算法的可行性与有效性.
其他文献
针对可控器件的死区和数字化控制器存在的延时对系统整体性能产生消极的影响，提出一种新的电流跟踪控制策略，该控制策略以一个基于改进的Ziegler-Nichols方法实现参数优化的PI
以随机分析的知识和最优控制理论为基础,推广了一类带停时的奇异型随机控制中的折扣费用模型,主要在受控状态过程中增加了漂移因子和扩散因子,使其为一随机微分方程的解,并将
原子力显微镜(AFM)是进行纳米测量和操作的一种重要工具.针对原子力显微镜系统,论文提出了一种基于学习控制的先进扫描模式.具体而言,首先构造了一种适用于AFM的学习控制系统,它由对于扫描管动态特性的最优逆补偿环节和对于样品表面特性的学习算法两部分组成.然后,针对测量过程中扫描线之间的偏移,通过将常见的比例-积分控制算法与这种学习控制相结合,实现了一种基于学习算法的先进扫描模式.论文将这种模式应用于
研究单站点传送带给料生产加工站（conveyor-serviced production station,CSPS）系统的前视（look-ahead）距离最优控制问题,以提高系统的工作效率.论文运用半Markov决策过程对CSPS
2010年12月8日，由华南理工大学一香港中文大学自动化科学与工程研究中心主办，华南理工大学自动化科学与工程学院控制与优化中心、香港中文大学机械与自动化工程学系、华南理工