自适应调制的MIMO OFDM系统的性能分析

分析了MIMO OFDM的系统模型,研究了MIMO OFDM系统的自适应调制技术,给出了完整的自适应算法,探讨了自适应MIMO OFDM系统的频谱效率。仿真结果表明,自适应调制提高了MIMO OFDM的误比特率性能。     

GNSS自适应天线相位中心评估方法

自适应天线在波束形成过程中会引起天线相位中心变化,针对这一问题,提出一种基于可用波束的自适应天线相位中心评估方法。该方法分为三步:设置天线的可用波束门限;在干扰来向均匀分布下,得到天线可用波束门限内相位方向图集合;利用最小二乘法对相位方向图集合进行拟合得到自适应天线的平均相位中心变化量。运用该方法对四种典型的四元阵相位中心进行对比仿真,结果表明,算法可以快速有效地对自适应天线相位中心性能进行评估。另外,通过设置适当的可用波束门限,可以提高自适应天线的相位中心性能。算法的评估结果可以作为GNSS高精度自适应天线阵型选择依据。     

AUV纵倾角动态面滑模自适应控制

对于自主水下机器人(AUV)纵倾角跟踪问题,提出一种基于动态面滑模思想的自适应控制方法。首先对自治水下机器人纵倾角运动模型进行简化,其次针对不确定外干扰的情况,设计了自适应规律,对外干扰进行估计,在此基础之上设计了动态面滑模自适应控制器,并通过李雅普诺夫稳定性理论证明了系统的稳定性,最后通过给定参数的仿真实验结果可知,所设计的控制器在系统受到不确定外干扰时,表现出良好的鲁棒性。     

新的自适应渐消扩展卡尔曼滤波在GPS定位中的应用

当实际数据出现突变时,基于最小二乘、扩展卡尔曼滤波的GPS定位解算存在定位结果精度低和稳定性差的问题。提出一种自适应渐消扩展卡尔曼滤波算法,通过自适应渐消迭代系统噪声协方差,来实现抑制数据突变影响。试验结果表明:该算法相比最小二乘、扩展卡尔曼滤波,其定位精度有所提高;相比传统渐消扩展卡尔曼滤波,其收敛速度、稳定性有所提高。     

三关节机器人的神经网络补偿自适应控制器设计

三关节机器人广泛用于工业生产、轮式或履带式排爆机器人,为了补偿由于机器人结构参数、作业环境干扰等不确定性因素造成的机器人动力学模型的不确定性,将机器人动力学模型分解为名义模型和误差模型两部分,其误差模型采用RBF神经网络进行补偿,得到其估计信息,神经网络的输出权值根据Lyapunov稳定性理论采用自适应算法进行调整。所设计的神经网络补偿自适应控制器解决了不确定性机器人动力学系统控制器设计的不确定性问题,同时,通过定义Lyapunov函数,证明了控制器能渐近、稳定地跟踪期望轨迹。机器人的3个关节在控制器的作用下,约在5 s时达到期望轨迹,神经网络约在5 s时逼近机器人动力学模型的误差模型,实验结果表明了机器人关节对期望轨迹具有良好的轨迹跟踪性能。     

自适应逆控制FXLMS算法有源噪声控制仿真研究

前馈有源噪声控制方法可在较宽的频带有效,使之获得了广泛的应用.在前馈有源噪声控制中,直接使用传统的FXLMS算法时,由于次级通道传递函数往往是非最小相位系统,导致系统的性能下降.文中提出一种基于非最小相位系统逆控制的自适应前馈有源噪声控制FXLMS算法,用带宽随机噪声信号和实测风机通风管道噪声信号进行仿真实验研究,结果表明,较传统的FXLMS算法有明显的改进.