一、灰色卡尔曼滤波预报集成方法的实验研究（论文文献综述）
李永萍[1]（2020）在《面向目标跟踪的容积卡尔曼滤波算法性能分析研究》文中提出非线性滤波是目标跟踪中一个很重要的方面。本论文针对目标跟踪中的容积卡尔曼滤波算法及其改进算法进行了深入的研究。首先给出论文研究的背景及意义,简单介绍了目标跟踪和滤波方法的研究现状,然后以贝叶斯滤波为框架对经典的非线性滤波算法原理及流程进行了概述。在此基础上,给出本论文的主要研究成果。第一,针对当噪声特性未知时的目标跟踪与非线性系统的噪声协方差估计问题,本文提出了一种带有噪声特性递推估计的自适应容积卡尔曼滤波（ADCKF）算法。该算法是在常值噪声估计统计的自适应滤波基础上,将协方差匹配原理与噪声递推估计方法相结合,再代入到容积卡尔曼滤波（CKF）算法中形成的。改进算法不依赖于先验噪声分布,可根据观测信息对噪声统计特性进行在线估计与修正,并通过对常规点目标跟踪进行仿真实验,验证算法的有效性。第二,针对船舶避碰的导航问题,提出一种改进的迭代自适应容积卡尔曼滤波算法。通过对船舶目标的跟踪仿真实验,证明改进算法具有较强的鲁棒性,提高了传统CKF算法的滤波精度、稳定性。新算法在对目标进行估计的过程中能够降低观测数据的误差,跟踪估计出更准确的目标数据。本文还对改进算法中参数?k的取值范围与滤波估计性能的关系进行研究分析。第三,针对参数取值不同对CKF算法的滤波估计性能的影响,本文研究了当状态变量初始值、初始协方差矩阵、状态转移矩阵、过程噪声协方差、测量噪声协方差这5个主要参数取不同值时,CKF算法对目标的滤波估计性能的影响,从而得出这些参数的最佳取值选择范围。
李培志[2]（2019）在《支持向量机模型的优化及其应用研究》文中研究表明近年来随着互联网技术的飞速发展以及社会的不断进步,机器学习这一门人工智能科学在社会生产、科学研究及日常生活中占据着愈发重要的作用。作为机器学习中的经典算法,支持向量机（Support Vector Machine,SVM）基于其在小样本、非线性及高维模式识别中的特有优势而得到了快速的发展。目前国内外学者对支持向量机进行了许多有益的探索和研究,并将其成功应用于包括生物信息学、文本识别和天气预报等领域在内的生产生活各个方面。然而,没有一个模型可以在所有情况下都表现良好,单一的支持向量机仍然存在着局限性,如存在缺失值时效果欠佳、参数确定没有具体的标准以及面对复杂数据时表现不理想等,这些问题会对模型效果带来不利影响。基于这一背景,本文对支持向量机进行改进并提出若干基于支持向量机的优化模型。优化形式可以分为三类:数据结构优化、参数优化以及组合优化。对于数据结构优化,本文使用分解集成策略来选择合适的数据训练支持向量机,以改善支持向量机对复杂数据效果欠佳的问题;对于参数优化模型,本文提出基于最优化算法的模型来处理支持向量机参数选择问题;组合优化模型又可分为方法组合优化和模型组合优化,其中方法组合优化是对包含支持向量机在内的统计方法的结果进行组合,改善单一方法不能在各种情境下都表现最优的状况,而对于模型组合优化,本文尝试将支持向量机与治愈模型相结合,来解决传统治愈模型在非线性条件下估计效果欠佳的问题。为了检验不同优化方法的效果,分别将各优化模型应用于实际数据中进行实验。选择优化的原则与所应用的实际背景有关,即根据具体数据特点来构建相应的优化模型,并分别应用于大气污染治理、文化产业管理、能源经济及生存分析等。对大气污染治理来说,由于污染物时间序列包含了不同周期的子序列,如季节性波动、短期天气变化等,使得数据结构比较复杂,这时就需要使用数据结构优化,首先将不同周期的子序列分离,再分别进行预测。对文化产业管理来说,由于一部电影受到制作成本、电影类型、明星影响力等诸多因素的影响,每个电影都具有各自的独特性,这时就需要考虑使用参数优化方法选择具有更好参数的支持向量机进行建模。在能源经济领域,本文所使用的数据样本量较大,且不同地区的数据特点不同,没有一个单一模型可以在各地区各季节都表现良好,这时就应该考虑使用方法组合优化模型。对于生存分析中的治愈模型来说,其治愈率部分使用Logistic回归。但是随着研究的发展,许多协变量与治愈概率的关系并不符合Logistic函数的形式,而是存在一些其他复杂的关系,因此,考虑使用模型组合优化构建新型治愈模型。全文共分为六个部分,其主要研究内容及结论如下:第一章介绍本文的选题依据、研究意义、研究思路与主要内容以及主要创新与不足。第二章提出优化支持向量机的概念,将讨论支持向量机的原理与特点及目前关于优化支持向量机的研究现状及局限性。第三章分析支持向量机的数据结构优化及应用。给出KZ滤波及改进方法的原理与特点,并介绍与支持向量机相结合的优化模型。在实验中首先分析大气污染治理的研究背景,使用改进KZ滤波分析大连市的污染数据,并挑选中国四座城市的污染数据综合评估优化模型的预测效果。结果显示,分解集成策略可以很好地实现数据结构优化。污染物冬季的长期分量达到峰值,而夏季的长期分量保持相对较低水平,其中季节性分量和短期分量在冬季表现出较大的波动。从方差贡献率结果可以看出,季节性成分对原始序列的贡献最大,其次是短期和长期成分。预测结果表明,数据结构优化模型具有较好的预测效果和拟合精度,并在存在噪声的情况下仍然表现良好。第四章探讨支持向量机的参数优化及应用。首先介绍帝国竞争算法及用该算法优化的支持向量机,接下来使用电影票房数据检验优化模型的效果。在实验中首先选择最适合的训练集大小,其次将优化模型应用于首映周票房预测,并与常用模型进行比较。结果显示,当最优训练集为20,预测模型为所提出的参数优化模型时,预测效果优于其他对比模型,此时预测的MAPE值约为15%。通过列出22部测试电影的票房预测值和真实值,发现大部分情况下预测值都非常接近真实值。模型对比结果也证明了优化模型的有效性。第五章对支持向量机的组合优化及应用进行描述。首先论述组合预测和治愈模型的原理和特点,接下来通过对方法组合优化模型在能源经济中的应用和模型组合优化在生存分析研究中的应用分别论证两个组合优化模型的效果。方法组合优化的结果表明,当训练集为一个月的数据,测试集为一周的数据时,预测性能最好且最稳定。与常用模型的比较表明,支持向量机与ARIMA和BPNN具有同一水平的预测精度。因此,引入三个模型构造方法组合优化模型。预测结果表明,该组合优化模型性能优于组合优化模型中的任何一个单一方法,并优于近些年由学者提出的部分预测模型。模型组合优化的数值模拟结果表明,所提出的半参数模型在估计协变量的未治愈概率方面与现有的治愈模型相比有更好的性能。当潜在的发病率结构不能用Logistic模型近似时,所提出的治愈模型的均方误差和错分类率均小于现有的模型,这表明所提出的优化模型在发病率部分具有更好的校准和判别表现。真实数据结果说明,两个模型估计的潜伏期结果相似,而优化模型估计的未治愈率可以提供比传统模型更多的信息。第六章对各优化方法的适用性进行讨论,对全文进行总结,并对未来研究方向进行展望。本文的主要创新点如下:（1）在数据结构优化方面,传统的KZ滤波由于滑动平均的作用,在每次过滤后都会损失部分首尾数据,而缺失数据对于构建预测模型至关重要。基于此,本文对KZ滤波进行改进,提出两种新型滤波方法,并利用分解集成策略和支持向量机对数据结构进行优化。（2）在参数优化方面,本文首次尝试将百度指数与支持向量机结合起来以构建复合预测模型。由于不同电影的百度指数相差很大,本文还选择参数优化方法对支持向量机中的参数进行优化。（3）在方法组合优化方面,由于不同时间不同地区风速的数据结构差异很大,没有一个模型可以在所有情况下都表现良好,因此本文并没有去研究效果优良的单一模型,而是尝试使用组合预测的方法,对包括支持向量机在内的常用统计预测模型进行比较,选择效果较好的模型构建方法组合优化模型。（4）在模型组合优化方面,本文首次将支持向量机与治愈模型相结合得到一种新型的治愈模型。在该模型中,由于支持向量机在小样本和非线性模式识别中具有独特优势,使得其可以在治愈率部分为非Logistic函数下仍具有较高的识别效果。本文所提出的优化模型同时具有较强的理论与实际意义。在理论上,本文选择数据结构优化、参数优化以及组合优化来克服单一支持向量机的不足,简化训练数据结构,提高模型整体效果。此外,本文提出的优化模型能够从理论上弥补现有模型的不足,具有较强的泛化能力。同时,这些优化模型也具有很重要的实际意义。对比较灵活的机器学习模型来说,根据其结果可以提前研判出所研究事物未来的发展态势;而对传统统计模型来说,根据其结果可以识别出协变量的效应并对具有一组协变量值的个体进行预测,这些结果可以为管理部门和政策制定者提供决策依据。在本文中,将这些优化模型分别应用于风速预测、大气污染预警、电影票房预测和生存分析中,证明其在不同领域的良好效果。本文的不足之处如下:（1）对预测模型来说,由于所选择的数据都是一定范围内的数据,故可能存在抽样偏差。今后可以尝试在更大数据集下进一步测试优化模型的综合性能,并与其他预测模型进行比较。（2）对治愈模型来说,本研究没有对治愈模型的潜伏期部分进行改进。理论上说,支持向量机所具有的特点可以在潜伏期部分对病人的生存函数进行拟合,并可能取得优于比例风险模型或加速失效时间模型的效果。此外,在今后的研究中可以测试新治愈模型在高维数据情况下的性能。
武军[3]（2017）在《深基坑建筑沉降监测分析 ——以朝阳区某学校为例》文中研究表明随着在工程建设里沉降监测工作凸显重要,测绘仪器设备的不断更新发展,高精度水准测量均已采用电子水准仪外业采集数据。目前在工程测量中沉降监测数据处理软件相对滞后,在大型工程应用中急需专业的数据处理工具。本文结合工程实例,系统的介绍了沉降监测工程应用和自主设计的沉降监测数据处理软件。结合朝阳区教委下属的几个学校改扩建沉降监测工程选择几种模型方法分析比较,采用合适的模型对工程实例进行分析和预测。由此本文根据沉降监测数据处理和数据分析算法原理,以大量的建筑物深基坑沉降监测数据处理和分析,开展实验,做了如下的研究:1.介绍了目前沉降测量中监测数据处理方法不完善、数据处理软件少,还有旧的软件不适用等,通过大量的数据实验,验证了我们研发的数据处理软件的正确性。2.结合电子水准仪的数据原型,编写程序整合已有的数据处理软件,在生产实践中通过大量的工程数据试验改进程序,形成新的集沉降监测数据处理、输出于一体的文档管理器（库）。3.对灰色线性模型、灰色二阶模型和灰色卡尔曼滤波模型的基本原理、性质、特点等进行了简单概括和说明,研究并探讨了这三种改进方法和实现步骤,阐明了这三种预测模型的相关参数的确定方法和实验分析。4.根据项目工程基坑实测沉降数据,分别用改进的数据管理软件对采集的数据进行数据处理后采用灰色预测模型、灰色线性回归模型、灰色二阶模型和灰色卡尔曼滤波模型对沉降数据进行预测,选择最佳的模型方法对基坑监测数据预测和处理。5.文章结合生产实践,在沉降测量工作中实现数据采集、数据处理,成果输出于一体的测量工作模式-沉降库数据管理。通过库管理沉降数据在过程中减少环节,实现测量数据处理自动化的工作模式,提高工作效率,保证数据质量。在今后的变形观测工作中能够切实的应用,工程项目沉降测量中通过软件建库实现沉降处理数据,输出成果等一系列功能。
房世峰[4]（2010）在《新疆融雪径流预报及其不确定性研究》文中研究说明开展融雪径流预报研究的意义不言而喻,但是受制于融雪水文过程中广泛存在且复杂的不确定性、观测实验条件的匮乏、以及研究基础的薄弱,迄今为止对于融雪径流预报的研究工作尚处于起步阶段,对其不确定性的研究世界范围内也近乎空白。本文瞄准分布式融雪径流预报的关键技术、方法以及融雪水文预报中的不确定性问题这两个关键科学问题,以地处新疆天山北坡昌吉州的军塘湖流域作为典型研究区,基于“3S”技术、实验室模拟、野外观测实验、计算机建模以及现代数理方法等方法与技术手段,对新疆融雪径流预报及其不确定性问题展开了较为系统和深入的系列研究。本文开展的主要研究内容及结论包括：一是开展了融雪径流预报的基本理论与方法研究；二是开展了系列积雪冻融过程的模拟实验研究,为融雪模型的构建及其参数率定提供基础；三是基于典型研究区近年来的观测实验以及相应的实验室模拟实验,开展了“温度指数法”融雪模型以及“能量平衡法”融雪模型的对比研究,初步构建了面向新疆的分布式融雪径流模型；四是基于大气-陆面模式的耦合,开展了模型参数率定及分布式数据处理等方面的研究；五是融雪水文过程及融雪径流模型中的不确定性研究；六是融雪模型参数率定和预报不确定性的量度标准以及可靠性分析研究；七是融雪水文不确定性评估的理论和方法研究。融雪径流预报以及不确定性研究既立足于新疆区域水资源管理以及防灾减灾的社会需求,也是现今国际水文学界的研究热点和前沿科学问题,故此本文的研究起点位于国际先列水平,主要的创新点包括两个方面：一是基于大气-陆面模式耦合、“3S”技术以及室内外模拟实验与观测,建立了面向新疆的分布式融雪径流模型,其中首次对融雪期温度指数法融雪模型中的“度日因子”展开了探讨,大气模式与遥感等多源数据驱动分布式融雪模型进行融雪径流预报乃是未来水文预报的发展方向；二是首次对融雪水文过程及融雪径流预报中的不确定性及其研究方法与理论开展了较为系统、深入的研究,此项工作在国内外尚属首次。
尤临,梁红丽[5]（2004）在《灰色卡尔曼滤波预报集成方法的实验研究》文中研究指明将目前云南业务上预测重要关键期的昆明5月雨量的5种预报模型输出的降水预报值作为预报因子,运用灰色理论分别将以上5个预报因子原始数列和降水实况作一次累加生成处理,分别得到随机性被弱化的单增数列,用卡尔曼滤波法进行递推计算,得到降水预报值。将得到的降水预报值作还原处理,即累减生成后,最终输出降水量预报值。此方法用于作1998、1999、2000年昆明5月雨量预报,除1999年预报滞后外,其余两年的预报效果均优于5种方法的独立预报以及平均值。
尤临,梁红丽[6]（2004）在《灰色卡尔曼滤波预报集成方法的实验研究》文中进行了进一步梳理将目前云南业务上预测重要关键期的昆明5月雨量的5种预报模型输出的降水预报值作为预报因子,运用灰色理论分别将以上5个预报因子原始数列和降水实况作一次累加生成处理,分别得到随机性被弱化的单增数列,用卡尔曼滤波法进行递推计算,得到降水预报值。将得到的降水预报值作还原处理,即累减生成后,最终输出降水量预报值。此方法用于作1998、1999、2000年昆明5月雨量预报,除1999年预报滞后外,其余两年的预报效果均优于5种方法的独立预报以及平均值。
王勇[7]（2021）在《松嫩平原北部农作物土壤水分有效性模拟及干旱评估研究》文中进行了进一步梳理干旱是我国农业生产所面临的最主要气象灾害,准确地评估农作物干旱发生的时空分布和严重程度,对农作物生长和粮食产量的改善具有重要意义。目前国内外学者针对农业干旱的评估,提出了多种干旱指数,可以归纳为根据站点气象数据和遥感监测数据的两大类干旱指数。但是,现阶段的农业干旱指数仍局限于通过站点降水、植被指数或单一的土壤水分等数据来评估。鉴于此,本研究以全球三大黑土区和中国的主要粮食产地松嫩平原北部作为研究区,系统分析了不同农作物类型、不同生长发育期,以及不同土壤质地、降水和气候条件下土壤水分有效性的阈值范围,在此基础上,结合表层和深层土壤湿度数据,提出了农作物水分盈亏量（Crop Loss and Surplus Water,CLSW）干旱指数,对研究区农作物干旱的时空分布和严重程度进行了定量分析,构建了区域范围农作物干旱情况的定量评估模式。本文的主要研究内容和结论如下:（1）表层土壤湿度数据的尺度转换方法研究,基于随机森林（Random Forest,RF）回归算法,利用MODIS光学遥感数据对SMAP微波遥感数据进行尺度转换,构建了针对微波遥感表层土壤湿度数据的尺度转换流程和方法,获得了高空间和时间分辨率的表层土壤湿度数据。研究结果表明,该转换方法不仅能获得高时空分辨率的表层土壤湿度数据,同时还能对表层土壤湿度数据的精度进行提升。（2）基于多特征参数集合的农作物分类方法研究,在传统的时序植被指数和农作物物候特征的参数集合的基础上,增加了时序的表层土壤湿度数据,构建了新的农作物分类特征参数集合。基于随机森林（RF）分类算法,分别将传统的和新构建的两个特征参数集合作为模型输入参数,分别提取了农作物种植区域。研究结果表明,新构建的农作物分类特征参数集合,提高农作物的分类精度,特别是水稻种植区域的提取精度。（3）基于数据同化的深层土壤湿度反演方法研究,根据陆面数据同化框架,构建了基于集合卡尔曼滤波算法（Ensemble Kalman Filter,En KF）和通用陆面过程模型（Community Land Model,CLM）的数据同化系统,对表层土壤湿度数据和实测站点不同深度的土壤湿度数据进行了同化,获得了0～200cm的土壤湿度数据。研究结果表明,同化高精度的表层土壤湿度数据和实则站点数据,可以进一步提高不同深度的土壤湿度数据精度。（4）基于土壤水分运移的农作物干旱评估方法研究,基于Hydrus-1D模型对玉米和大豆整个生长发育周期的根系吸收速率和土壤水分运移情况进行了模拟,获得了玉米和大豆不同生长阶段的土壤水分有效性阈值,再结合0～200cm深度土壤湿度数据,提出了新的农业干旱指数——农作物水分盈亏量（CLSW）,并对研究区的玉米和大豆的干旱时空分布和干旱程度进行了分析。研究结果表明,提出的农作物水分盈亏量（CLSW）具有较好的相关性和较高的精度,能够满足于区域农作物干旱评估。综上所述,本文在表层土壤湿度数据尺度转换、农作物种植区域提取、不同深度土壤湿度同化和土壤水分运移等模型和方法研究的基础上,提出了与农作物生长周期、土壤质地、降水等气候条件相结合的农业干旱指数——农作物水分盈亏量（CLSW）,构建了区域农作物生长阶段的干旱评估模式。对区域农作物生长和农业用水具有一定的指导作用,保障了粮食生产和粮食安全。同时,也推动了地理学研究理论和方法与水文和气象等多学科领域的交叉应用。
王月[8]（2021）在《数据同化系统中的鲁棒滤波方法应用研究》文中进行了进一步梳理数据同化是一种常用大气、地理等领域的方法论,旨在通过融合不同来源和不同分辨率的观测信息来调整模型轨迹,完成对当前状态信息的预测。鲁棒滤波理论主要强调估计的鲁棒性,在保证估计误差增长率有界的条件下,对可能的不确定性有较好的容忍度。所以论文的研究内容主要为鲁棒滤波算法改进观测误差协方差估计技术,提出了一种诊断空间相关和时间依赖的观测误差协方差的集合鲁棒数据同化方法。该方法将集合鲁棒滤波方法和使用背景和分析新息的统计平均方法来提供观测误差协方差矩阵的估计结合,并通过仿真实验验证新方法的有效性和同化效果。论文的主要研究内容如下:（1）卡尔曼滤波理论和鲁棒滤波理论。集合转换卡尔曼滤波算法详细描述,列出了其实际的运行步骤。针对滤波算法对外界不确定问题,引入H∞范数。为使该算法对顺序数据同化全窗有效,得到时间局地化的H∞滤波算法。类比卡尔曼滤波算法,将集合的思想应用于时间局地化滤波,使其系统能够应用于复杂的非线性系统,提高滤波的精度和鲁棒性。（2）针对数据同化系统中观测误差,主要介绍观测误差的来源和观测误差协方差估计技术。详细阐述观测误差中代表性误差的来源及其相关的定义说明,其中代表性误差是相关的,对相关性的表示做了说明;引入观测误差协方差估计技术,实现观测误差协方差估计技术和鲁棒滤波算法的耦合;利用观测误差协方差估计技术得到依赖状态量的且慢时变的观测误差协方差。（3）基于集合时间局地化H∞滤波,分别从不同的角度构建协方差放大关系,得到三种特殊形式的鲁棒滤波算法。将观测误差协方差估计技术分别和三种滤波算法结合,基于非线性Lorenz-96混沌系统,验证观测误差估计技术在鲁棒滤波算法中的有效性。结果表明:观测误差估计技术能够提高状态估计的精确性,带有观测误差估计的鲁棒滤波具有较好的鲁棒性。综上,在数据同化系统中当观测误差协方差未知时,可以考虑观测误差估计技术,在鲁棒滤算法中加入观测误差估计技术能够提高滤波精度和鲁棒性,使得观测信息被有效利用。
刘济恺[9]（2020）在《面向四足机器人的状态估计方法研究》文中研究说明足式机器人被视为一种具有代表性的移动机器人。因其可以在运动过程中自主地选取落足点,从而能够在非结构路面上自由地穿行,对于抢险救灾、山地运输、野外勘测、军事应用,行星探索等领域均具有潜在的应用价值。四足机器人在足式机器人家族中占有重要地位,其以四足动物为仿生对象,表现出比双足机器人更好的承载能力和稳定性,同时又具有比六足和八足机器人更理想的灵活性和更简洁的结构。更重要的是,四足机器人在运动能力上具备极大的开发潜力,因此它已逐渐成为国内外学者的研究热点。为了使四足机器人具有自主运动能力,主控制系统需要准确的位置、速度及姿态角等实时运动状态信息。然而,所有传感器的精度都是有限的,其观测值常常存在一定程度的不确定性,这就引出了状态估计问题。进行状态估计的目标便是为了获得状态信息的全局最优估计。对于四足机器人这样的应用对象,往往会给状态估计带来更高的挑战。四足机器人在行走过程中引发的冲击振动,足端与地面之间可能存在的滑动等现象都进一步增加了运动状态估计的难度,这就要求所设计的运动状态估计方法能够同时具有高精度和鲁棒性。在具备上述估计性能后,还要满足四足机器人对实时性的要求。因此对四足机器人的运动状态估计是一个具有挑战且意义深远的课题。本文对四足机器人的运动状态估计方法进行研究,通过提出两种运动状态估计方法,一种激光热成像采集系统和一种融合估计方法,完成运动状态估计系统的整体构建,最终实现对四足机器人运动状态的最优估计,为机器人的主控系统提供了稳定、准确、实时的运动控制参数。首先,本文对捷联惯导进行了预处理,识别出偏差和随机误差,辨识出加速度计及陀螺仪在工作过程中都会受到乘性噪声的干扰。为了提高四足机器人运动状态的估计精度,本文采用正运动学向捷联惯导提供内部参考信息以进行对加速度计的辅助校正。通过正运动学分析,以惯导系统和正运动学解算结果的误差值作为状态变量,在系统仅受加性噪声干扰的理想环境下,可通过本文提出的强跟踪混合阶容积卡尔曼滤波方法对正运动学及惯导系统进行有效的信息融合,在系统同时受加性噪声及乘性噪声干扰的非理想环境下,可通过本文提出的强跟踪改进混合阶容积卡尔曼滤波方法可对二者进行有效的信息融合。融合结果通过反馈校正的方式对加速度计偏差进行补偿并提升惯导系统的输出精度。由于强跟踪的引入,算法能够克服四足机器人因足底冲击振动,足端打滑以及做机动动作或被外力干扰等原因所导致的正运动学解算误差增大的问题,同时通过改进将传统强跟踪容积卡尔曼滤波算法每次滤波需要进行的三次容积点采样缩减到一次,使得计算量大幅减少。通过仿真实验,上述方法的正确性得到了验证。然后,本文引入外部参考信息对捷联惯导内的陀螺仪漂移进行在线校正以提升姿态角的解算精度。同时,为了避免传统视觉算法计算量大,实时性差的问题,通过设计激光热成像采集系统,对视觉里程计的采集系统做出改进,这种采集系统只需拍摄光斑附近局部地面,就可以获得可用于机器人运动状态估计的红外热图像。由于采用主动标记特征点的方式,避免传统视觉算法在面对纹理重复、特征不明显、图像灰度区分度差引起的无匹配问题。通过本文提出的中心方向遍历特征点匹配策略或中心圆周遍历特征点匹配策略,可以快速准确地进行帧间特征点匹配,使得计算量大幅减少。为解决系统同时受加性噪声和乘性噪声共同干扰以及过程噪声和观测噪声相关同时存在的状态估计问题,提出乘性噪声及加性相关噪声容积卡尔曼滤波方法,通过该方法以松耦合的方式将视觉里程计与惯导系统进行融合估计,以姿态角、陀螺仪漂移的误差作为新加入的状态变量,建立状态方程和观测方程进行滤波,将获得的误差估计值对惯导系统进行反馈校正,并对IMU中的陀螺仪漂移进行在线补偿,校正后的姿态角可直接提交主控制系统进行使用。通过仿真实验,上述方法的正确性得到验证。其次,提出鲁棒联邦滤波方法,通过上述两种运动状态估计方法作为局部子滤波器,取代经典联邦滤波中的卡尔曼滤波算法,并通过Sage-Husa法对子滤波器的过程噪声进行在线辨识,通过对无反馈联邦滤波的信息分配因子计算方法的改进,将上述两个局部子滤波器得到的位置误差与速度误差的局部最优估计信息进行信息融合得到全局最优估计。该方法具有很强的容错功能,能够避免全局数据在子系统发生故障时受到污染。本文所提出的方法可以提高整个运动状态估计系统的融合估计精度及鲁棒性,最终将四足机器人的位置和速度全局最优运动状态估计结果发送给主控制系统做闭环控制。通过仿真实验,上述方法的正确性得到验证。最后,本文分别以LS3以及Spot Mini作为参考,设计了在外形及尺寸上均具有明显区别的重型和轻型四足机器人模型,并对其进行崎岖路面和平坦路面的仿真及实际四足机器人的行走实验。实验结果表明本文方法具有普适性和可行性,能够为四足机器人的平滑运动控制提供保障。
刘会[10]（2020）在《GNSS浮标多普勒速度测波技术研究》文中进行了进一步梳理海洋浮标作为一种现代化的海洋监测手段,可以通过远程遥控实现观测数据的自动采集和无线安全传输,具备全天候、全时段稳定可靠收集海洋环境资料的能力,为建立我国海洋牧场、无人岛礁、关键出海通道等关键海域的多源立体监测网,提供了重要参考。随着GNSS卫星导航定位技术的飞速发展,GNSS浮标作为一种种低成本的新型海洋测量仪器随之出现。因此,本文提出了一种基于GNSS浮标三维速度进行海浪谱分析获取波浪信息的方法,并开展GNSS浮标海上试验验证本文方法的有效性。主要内容和成果如下:（1）基于GNSS测速各类误差影响,系统对比了常用的三种GNSS测速模型:位置差分,原始多普勒,导出多普勒测速精度以及适用条件。在GNSS接收机低动态运动模式下,PPK位置差分和单站导出多普勒测速精度较高,测速精度优于1cm/s,而单站原始多普勒测速精度较差,U方向速度误差可达1dm/s。位置差分测速容易受测站位置精度影响,而原始多普勒容易受GNSS接收机自身噪声的影响,单站导出多普勒实质为相邻历元间的载波相位差分,因此观测精度受采样频率影响。（2）提出了一种自适应抗差卡尔曼滤波测速算法,该算法以PDOP以及历元卫星观测数量作为判断条件,将速度解算方案分为三种情况展开讨论。其中抗差等价权模型选择IGGIII抗差模型,自适应权选择单因子三段式自适应模型,分别从静态和动态两方面对该滤波方法展开评价。当运动目标状态发生变化时,卡尔曼滤波较最小二乘解算结果轨迹偏差更小,在控制载体的异常扰动、提高滤波的精度方面具有较好的效果。（3）在已有研究基础上,从谱的再现性和有效性两方面,系统的对比了目前常用的海浪功率谱和方向谱估计方法。对于海浪功率谱,经典谱分析和现代谱分析的估计结果受谱估计方法自身参量,采样过程时长、频率等参量选取影响。对于浮标的海浪方向谱,贝叶斯方法目前精度最好,扩展最大熵浮标算法次优于贝叶斯浮标算法,但计算效率远远高于贝叶斯方法。（4）提出了一种基于GNSS浮标多普勒速度进行海浪方向谱和功率谱分析观测海浪的方法。采用基于AR模型的Burg方法进行海浪功率谱分析得到平均波高和平均周期等参数。采用扩展最大熵法浮标算法对速度序列进行方向谱分析。通过与波浪骑士浮标实测对比,证明GNSS不仅具有高精度导航定位功能,还可用以波浪观测以及海洋预报,为研发低成本高精度的单GNSS浮标提供了一定参考。
二、灰色卡尔曼滤波预报集成方法的实验研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、灰色卡尔曼滤波预报集成方法的实验研究（论文提纲范文）
（1）面向目标跟踪的容积卡尔曼滤波算法性能分析研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 目标跟踪国内外研究现状 |
| 1.2.2 滤波方法国内外研究现状 |
| 1.3 本论文主要研究内容 |
| 第二章 经典的非线性滤波算法 |
| 2.1 贝叶斯滤波 |
| 2.2 经典的非线性滤波算法的介绍 |
| 2.2.1 扩展卡尔曼滤波(EKF)算法 |
| 2.2.2 无迹卡尔曼滤波(UKF)算法 |
| 2.2.3 容积卡尔曼滤波(CKF)算法 |
| 2.3 几种滤波算法的精度分析 |
| 2.4 几种算法的性能比较与分析 |
| 2.4.1 仿真案例一 |
| 2.4.2 仿真案例二 |
| 2.5 本章小结 |
| 第三章 自适应容积卡尔曼滤波算法在噪声特性估计中的应用 |
| 3.1 常值噪声统计估计的自适应滤波 |
| 3.1.1 常值噪声的自适应滤波推导 |
| 3.1.2 常值噪声的统计特性分析 |
| 3.2 用于噪声特性估计的自适应容积卡尔曼滤波算法 |
| 3.2.1 新算法的提出 |
| 3.2.2 ADCKF算法的推导 |
| 3.3 常规点目标跟踪仿真实验 |
| 3.3.1 仿真场景 |
| 3.3.2 仿真结果分析 |
| 3.4 本章小结 |
| 第四章 CKF的改进算法在船舶避碰中的应用 |
| 4.1 船舶避碰的数学模型 |
| 4.2 改进的迭代容积卡尔曼滤波算法 |
| 4.2.1 迭代测量更新过程方法 |
| 4.2.2 IDCKF滤波算法的设计 |
| 4.3 新算法的船舶避碰跟踪 |
| 4.3.1 仿真场景 |
| 4.3.2 仿真结果分析 |
| 4.4 新算法的参数θ_k取不同值时的研究分析 |
| 4.5 本章小结 |
| 第五章 参数取值对容积卡尔曼滤波估计性能的影响 |
| 5.1 影响滤波结果的因素 |
| 5.2 参数分析与研究 |
| 5.2.1 状态变量初始值的取值对CKF算法精度的影响分析 |
| 5.2.2 初始协方差矩阵的取值对CKF算法精度的影响分析 |
| 5.2.3 状态转移矩阵的取值对CKF算法精度的影响分析 |
| 5.2.4 过程噪声协方差的取值对CKF算法精度的影响分析 |
| 5.2.5 测量噪声协方差的取值对CKF算法精度的影响分析 |
| 5.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（2）支持向量机模型的优化及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题依据 |
| 1.1.1 支持向量机泛化能力强、应用广泛 |
| 1.1.2 单一支持向量机存在一定的局限性 |
| 1.1.3 优化模型的提出 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实际意义 |
| 1.3 研究思路与主要研究内容 |
| 1.3.1 研究思路 |
| 1.3.2 主要研究内容 |
| 1.4 主要创新与不足之处 |
| 1.4.1 主要创新点 |
| 1.4.2 主要不足之处 |
| 2 优化支持向量机的提出 |
| 2.1 支持向量机的原理与特点 |
| 2.1.1 支持向量机的研究背景 |
| 2.1.2 几种常见支持向量机的方法介绍 |
| 2.2 优化支持向量机的研究现状与述评 |
| 2.2.1 支持向量机数据结构优化的研究现状与述评 |
| 2.2.2 支持向量机参数优化的研究现状与述评 |
| 2.2.3 支持向量机组合优化的研究现状与述评 |
| 3 支持向量机的数据结构优化及其应用 |
| 3.1 数据结构优化的原理与特点 |
| 3.1.1 KZ滤波 |
| 3.1.2 KZ自适应滤波器 |
| 3.1.3 改进后的KZ滤波方法 |
| 3.2 基于支持向量机的数据结构优化模型的构建 |
| 3.3 实际问题的背景与研究现状 |
| 3.3.1 国外大气污染预警现状 |
| 3.3.2 国内大气污染预警现状 |
| 3.4 数据结构优化模型在大气污染预警中的应用 |
| 3.4.1 数据分析与预处理 |
| 3.4.2 细颗粒物过滤结果 |
| 3.4.3 可吸入颗粒物过滤结果 |
| 3.4.4 空气污染物的预测模型 |
| 3.4.5 模型预测性能的扩展实验 |
| 3.5 本章小结 |
| 4 支持向量机的参数优化及其应用 |
| 4.1 帝国竞争算法(ICA)的原理与特点 |
| 4.2 支持向量机参数优化模型的构建 |
| 4.2.1 获得最优训练集的方法(欧几里得距离) |
| 4.2.2 参数优化模型 |
| 4.3 实际问题的背景与研究概况 |
| 4.3.1 电影票房预测的背景介绍 |
| 4.3.2 关于解释变量的文献研究 |
| 4.3.3 关于预测模型的文献研究 |
| 4.4 参数优化模型在电影票房预测中的应用 |
| 4.4.1 电影票房预测的数据介绍 |
| 4.4.2 数据预处理 |
| 4.4.3 统计指标 |
| 4.4.4 本实验的研究框架 |
| 4.4.5 最优训练集的选择 |
| 4.4.6 LSSVM与其他常用预测模型的比较 |
| 4.4.7 ICA与其它优化算法在优化LSSVM参数方面的比较 |
| 4.5 讨论 |
| 4.6 本章小结 |
| 5 支持向量机的组合优化及其应用 |
| 5.1 支持向量机组合优化模型的构建 |
| 5.1.1 支持向量机方法组合优化的构建 |
| 5.1.2 支持向量机模型组合优化的构建 |
| 5.2 方法组合优化在能源经济上的应用 |
| 5.2.1 能源经济的背景介绍 |
| 5.2.2 风速预测的研究概况 |
| 5.2.3 数据介绍与预处理 |
| 5.2.4 实证设定 |
| 5.2.5 实证结果与分析 |
| 5.2.6 方法组合优化小结 |
| 5.3 模型组合优化在生存数据上的应用 |
| 5.3.1 模拟实验与分析 |
| 5.3.2 实际数据应用 |
| 5.3.3 模型组合优化小结 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 优化模型的适用性讨论 |
| 6.2 结论 |
| 6.3 未来研究方向 |
| 在学期间发表的科研成果 |
| 附录 |
| 参考文献 |
| 后记 |
（3）深基坑建筑沉降监测分析 ——以朝阳区某学校为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 概述 |
| 1.2 研究的目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 深基坑工程监测国内外研究现状 |
| 1.3.2 预测模型的发展现状 |
| 1.4 本文研究的主要内容及组织结构 |
| 1.4.1 研究内容 |
| 1.4.2 组织结构 |
| 第2章 沉降观测数据采集与处理 |
| 2.1 概况 |
| 2.2 沉降监测技术设计 |
| 2.2.1 水准基点的布设 |
| 2.2.2 沉降观测点的布设 |
| 2.2.3 如何确定观测周期和频率 |
| 2.3 数据采集 |
| 2.3.1 技术要求 |
| 2.3.2 观测方法 |
| 2.3.3 沉降观测技术要求 |
| 2.3.4 观测成果的重测与取舍 |
| 2.4 数据处理 |
| 2.4.1 内业数据处理 |
| 2.4.2 利用EXCELE计算工具平差计算处理沉降数据 |
| 2.5 小结 |
| 第3章 沉降监测数据管理库程序与应用 |
| 3.1 概述 |
| 3.2 数据管理模块设计与实现 |
| 3.3 数据管理软件功能设计 |
| 3.3.1 竖向监测 |
| 3.3.2 水平位移监测 |
| 3.3.3 竖井观测 |
| 3.3.4 锚杆观测 |
| 3.4 数据管理库的应用 |
| 3.5 小结 |
| 第4章 灰色系统模型数据分析 |
| 4.1 灰色模型基本理论 |
| 4.1.1 概述 |
| 4.1.2 GM(1,1)模型的基本形式 |
| 4.1.3 GM(1,1)模型算例及精度评价 |
| 4.1.4 GM(1,1)模型的缺陷 |
| 4.2 GM(1，1)模型的三种改进模型 |
| 4.2.1 概述 |
| 4.2.2 灰色线性回归模型 |
| 4.2.3 灰色二阶模型 |
| 4.2.4 灰色-卡尔曼滤波模型 |
| 4.2.5 几种改进模型汇总 |
| 4.3 本章小结 |
| 第5章 工程实例 |
| 5.1 建筑物沉降数据采集 |
| 5.2 建筑物沉降数据处理 |
| 5.3 基于灰色系统模型建筑物沉降数据分析 |
| 5.3.1 灰色系统基本模型数据分析与预测 |
| 5.3.2 灰色二阶模型数据分析与预测 |
| 5.3.3 灰色线性模型数据分析与预测 |
| 5.3.4 灰色卡尔曼滤波模型数据分析与预测 |
| 5.3.5 三种灰色改进模型数据分析与预测综述 |
| 5.4 小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 致谢 |
（4）新疆融雪径流预报及其不确定性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外的相关研究进展 |
| 1.2.1 融雪径流预报研究进展 |
| 1.2.2 水文不确定性问题研究进展 |
| 1.3 关键科学问题 |
| 1.4 论文的主要研究内容及研究方法 |
| 1.4.1 主要研究内容 |
| 1.4.2 主要研究方法 |
| 1.5 论文的技术路线及组织结构 |
| 1.5.1 技术路线 |
| 1.5.2 论文组织结构 |
| 1.6 本章小结 |
| 第2章 融雪径流预报的基本理论及方法 |
| 2.1 融雪径流预报的基本理论 |
| 2.2 融雪径流预报的研究方法 |
| 2.3 本章小结 |
| 第3章 分布式融雪径流预报研究 |
| 3.1 分布式水文模型概述 |
| 3.2 融雪径流模型概述 |
| 3.2.1 融雪模型 |
| 3.2.2 蒸散发模型 |
| 3.2.3 下渗模型 |
| 3.2.4 产汇流模型 |
| 3.3 面向新疆的分布式融雪径流模型的设计与构建 |
| 3.3.1 基本原则和特点 |
| 3.3.2 模型的主要模块设计与构建 |
| 3.3.2.1 降水降雪及积雪模块 |
| 3.3.2.2 融雪模型(Snowmelt) |
| 3.3.2.3 蒸散发(Evapotranspiration) |
| 3.3.2.4 下渗(Infiltration) |
| 3.3.2.5 产流(Runoff) |
| 3.3.2.6 汇流(Convergence) |
| 3.3.2.7 模型的输入输出及数据管理 |
| 3.4 分布式融雪径流预报 |
| 3.4.1 典型研究区的选取 |
| 3.4.2 数据采集及分析 |
| 3.4.2.1 仪器简介 |
| 3.4.2.2 数据简介 |
| 3.4.3 大气-陆面耦合模式的应用 |
| 3.4.3.1 大气-陆面耦合模式 |
| 3.4.3.2 WRF |
| 3.4.3.3 区域数值天气预报 |
| 3.4.4 模型运行与径流预报 |
| 3.4.5 预报结果分析 |
| 3.5 本章小结 |
| 第4章 融雪径流预报的不确定性研究 |
| 4.1 融雪水文的不确定性分析 |
| 4.1.1 模型结构 |
| 4.1.2 尺度效应 |
| 4.1.3 模型参数 |
| 4.1.4 下垫面因素 |
| 4.1.5 数据及边界条件 |
| 4.1.5.1 降水的不确定性 |
| 4.1.5.2 流量 |
| 4.1.5.3 洪水评估 |
| 4.1.5.4 融雪期积雪信息提取的不确定性 |
| 4.2 模型率定及预报不确定性 |
| 4.2.1 参数响应面与参数敏感性 |
| 4.2.1.1 参数响应面 |
| 4.2.1.2 参数敏感性 |
| 4.2.2 模型评估的量度标准 |
| 4.2.2.1 似然估计标准及似然估计函数 |
| 4.2.2.2 基于方差和的似然估计标准 |
| 4.2.2.3 自相关高斯误差似然估计标准 |
| 4.2.2.4 模型评估的模糊方法 |
| 4.2.2.5 模型评估的定性方法 |
| 4.2.2.6 似然估计标准的综合 |
| 4.2.3 可靠性分析 |
| 4.3 融雪水文不确定性研究的理论及方法 |
| 4.3.1 不确定性的传播理论 |
| 4.3.1.1 误差传播函数 |
| 4.3.1.2 蒙特卡洛方法 |
| 4.3.1.3 可靠性理论 |
| 4.3.1.4 模糊理论 |
| 4.3.2 基于先验数据不确定性的模型校准 |
| 4.3.2.1 非线性回归 |
| 4.3.2.2 贝叶斯法 |
| 4.3.2.3 GLUE(Generalized Likelihood Uncertainty Estimation) |
| 4.3.3 定性分析-NUSAP法 |
| 4.3.4 实时数据同化 |
| 4.3.4.1 卡尔曼滤波 |
| 4.3.4.2 扩展卡尔曼滤波 |
| 4.3.4.3 集合卡尔曼滤波 |
| 4.3.4.4 序贯蒙特卡洛方法 |
| 4.3.5 敏感性分析 |
| 4.3.6 不确定性下的决策分析 |
| 4.3.6.1 信息差距理论 |
| 4.3.6.2 风险效用理论 |
| 4.3.6.3 决策树 |
| 4.4 实例分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文总结 |
| 5.1.1 论文的主要结论 |
| 5.1.2 论文的创新点 |
| 5.2 工作展望 |
| 参考文献(References) |
| 图表索引(Charts Index) |
| 图索引(Index of Figures) |
| 表索引(Index of Tables) |
| 附录(Appendix) 参与课题及科研成果 |
| (1) 参与课题 |
| (2) 发表论文 |
| 致谢(Acknowledgment) |
（7）松嫩平原北部农作物土壤水分有效性模拟及干旱评估研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 表层土壤湿度尺度转换研究现状 |
| 1.2.2 农作物种植区域提取研究现状 |
| 1.2.3 深层土壤湿度数据反演研究现状 |
| 1.2.4 农作物对土壤水分响应机制研究现状 |
| 1.2.5 农作物干旱评估研究现状 |
| 1.3 研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 技术路线 |
| 1.5 论文组织结构 |
| 第2章 研究区域与数据准备 |
| 2.1 引言 |
| 2.2 研究区概况 |
| 2.3 数据收集 |
| 2.4 数据预处理 |
| 2.4.1 MODIS数据预处理 |
| 2.4.2 SMAP数据预处理 |
| 2.4.3 MODIS植被指数计算 |
| 2.5 小结 |
| 第3章 表层土壤湿度数据尺度转换 |
| 3.1 引言 |
| 3.2 表层土壤湿度数据尺度转换理论与方法 |
| 3.2.1 随机森林算法 |
| 3.2.2 基于全局回归的土壤湿度关系模型 |
| 3.2.3 表层土壤湿度数据尺度转换最优特征参数提取方法 |
| 3.2.4 SMAP表层土壤湿度数据尺度转换方法 |
| 3.3 实验结果精度对比分析 |
| 3.3.1 表层土壤湿度尺度转换结果 |
| 3.3.2 表层土壤湿度尺度转换前后精度对比 |
| 3.4 讨论 |
| 3.5 小结 |
| 第4章 基于多特征参数集合的农作物分类 |
| 4.1 引言 |
| 4.2 基于多特征参数集合的农作物分类理论与方法 |
| 4.2.1 非对称高斯函数拟合方法 |
| 4.2.2 农作物物候特征参数提取 |
| 4.2.3 农作物特征参数差异性分析 |
| 4.2.4 基于多特征参数集合的农作物分类与调优方法 |
| 4.3 实验结果精度对比分析 |
| 4.4 讨论 |
| 4.5 小结 |
| 第5章 基于数据同化的深层土壤湿度反演 |
| 5.1 引言 |
| 5.2 基于数据同化的深层土壤湿度反演理论与方法 |
| 5.2.1 CLM陆面过程模型 |
| 5.2.2 集合卡尔曼滤波(En KF)算法 |
| 5.2.3 基于En KF和 CLM的数据同化系统 |
| 5.2.4 制备地表参数输入 |
| 5.2.5 CLDAS大气驱动数据输入 |
| 5.3 实验结果精度与对比分析 |
| 5.4 讨论 |
| 5.5 小结 |
| 第6章 基于土壤水分运移的农作物干旱评估 |
| 6.1 引言 |
| 6.2 基于土壤水分运移模型的农作物干旱评估理论与方法 |
| 6.2.1 土壤水分运移理论 |
| 6.2.2 农作物亏盈水量(CLSW)干旱指数计算方法 |
| 6.2.3 基于Hydrus-1D的农作物土壤水分有效性阈值计算方法 |
| 6.2.4 Hydrus-1D土壤水分运移模型验证与模拟过程 |
| 6.3 实验结果精度与对比分析 |
| 6.3.1 农作物土壤水分有效性阈值计算结果 |
| 6.3.2 农作物水分盈亏量(CLSW)精度验证与对比 |
| 6.3.3 干旱发生频率分析 |
| 6.3.4 生长周期农作物水分盈亏量变化情况分析 |
| 6.3.5 农作物站点干旱情况分析 |
| 6.4 讨论 |
| 6.5 小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士学位期间参加的科研项目 |
| 致谢 |
（8）数据同化系统中的鲁棒滤波方法应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.3 论文的主要内容以及章节安排 |
| 第2章 鲁棒滤波理论 |
| 2.1 卡尔曼滤波概述 |
| 2.1.1 信息滤波 |
| 2.2 集合转换卡尔曼滤波算法 |
| 2.3 鲁棒滤波 |
| 2.3.1 H_∞滤波 |
| 2.3.2 时间局地化滤波 |
| 2.4 集合时间局地化滤波算法 |
| 2.5 本章小结 |
| 第3章 观测误差估计理论 |
| 3.1 观测误差概述 |
| 3.1.1 代表性误差来源 |
| 3.2 观测误差估计技术 |
| 3.3 观测误差协方差估计下的鲁棒滤波算法 |
| 3.4 验证新方法的有效性 |
| 3.4.1 验证模型误差(F)条件下的性能 |
| 3.4.2 验证不同强迫参数下性能变化 |
| 3.5 本章小结 |
| 第4章 带有观测误差估计的集合鲁棒滤波算法 |
| 4.1 EnTLHFR概述 |
| 4.2 非线性数值实验 |
| 4.2.1 非线性Lorenz模型 |
| 4.2.2 线性观测系统 |
| 4.2.3 实验设计 |
| 4.3 新方法的滤波性能 |
| 4.3.1 分析协方差放大,EnTLHFR与EnTLHF的比较 |
| 4.3.2 观测集合角度放大,EnTLHFR与EnTLHF的比较 |
| 4.3.3 转移特征值放大,EnTLHFR与EnTLHF的比较 |
| 4.4 观测误差估计技术的评价 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及研究成果 |
（9）面向四足机器人的状态估计方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题来源及背景 |
| 1.1.1 课题来源 |
| 1.1.2 课题背景及意义 |
| 1.2 四足机器人运动状态估计及关键技术研究现状 |
| 1.2.1 四足机器人运动状态估计方法研究现状 |
| 1.2.2 多传感器信息融合算法研究现状 |
| 1.2.3 视觉里程计研究现状 |
| 1.2.4 数据融合结构研究现状 |
| 1.3 研究现状分析 |
| 1.4 主要研究内容 |
| 第2章 基于四足机器人内部参考信息的加速度计偏差补偿方法研究 |
| 2.1 引言 |
| 2.2 加速度计解算原理 |
| 2.3 惯导噪声特征分析 |
| 2.3.1 姿态角和速度 |
| 2.3.2 加速度计标定 |
| 2.3.3 加速度计随机误差识别及噪声分析 |
| 2.4 四足机器人正运动学 |
| 2.4.1 四足机器人内部传感器信号处理 |
| 2.4.2 四足机器人正运动学分析 |
| 2.5 融合算法的改进 |
| 2.5.1 EKF算法 |
| 2.5.2 CKF算法 |
| 2.5.3 传统强跟踪CKF算法 |
| 2.5.4 强跟踪混合阶容积卡尔曼滤波 |
| 2.5.5 STMCKF算法实现 |
| 2.5.6 STIMCKF算法 |
| 2.5.7 STIMCKF的近似实现 |
| 2.6 改进算法的实现 |
| 2.6.1 状态方程 |
| 2.6.2 观测方程 |
| 2.6.3 正运动学与IMU组合估计结构框图 |
| 2.7 仿真验证 |
| 2.8 本章小结 |
| 第3章 基于四足机器人外部参考信息的陀螺仪漂移补偿方法研究 |
| 3.1 引言 |
| 3.2 基于热成像理论的外部参考信息获取方法研究 |
| 3.3 激光热成像采集系统 |
| 3.4 单目热成像相机的位姿估计原理及标定 |
| 3.4.1 单目热成像相机的位姿估计原理 |
| 3.4.2 单目相机的标定 |
| 3.4.3 单目热成像相机标定 |
| 3.5 单目热成像相机的位姿估计 |
| 3.5.1 特征检测与跟踪 |
| 3.5.2 图像圆形标志点的定位算法 |
| 3.5.3 边缘的粗定位 |
| 3.5.4 边缘的精定位 |
| 3.5.5 中心定位方法 |
| 3.5.6 红外热图像特征点匹配 |
| 3.6 单目视觉里程计与惯导系统信息融合 |
| 3.6.1 时间同步 |
| 3.6.2 单目视觉里程计与IMU的初始化 |
| 3.6.3 惯性-视觉松耦合 |
| 3.7 乘性噪声及加性相关噪声容积卡尔曼滤波 |
| 3.7.1 乘性噪声和加性相关噪声容积卡尔曼滤波算法推导 |
| 3.7.2 MACNCKF的近似实现 |
| 3.7.3 单目视觉里程计与惯导系统组合估计结构框图 |
| 3.8 仿真验证 |
| 3.9 本章小结 |
| 第4章 基于改进联邦滤波的四足机器人运动状态信息融合算法研究 |
| 4.1 引言 |
| 4.2 数据融合系统结构设计 |
| 4.2.1 集中式数据融合 |
| 4.2.2 分布式数据融合 |
| 4.2.3 混合式数据融合 |
| 4.2.4 联邦滤波 |
| 4.3 信息分配因子对鲁棒性的影响 |
| 4.4 鲁棒联邦滤波 |
| 4.4.1 信息分配因子的改进 |
| 4.4.2 基于Sage-Husa的各子滤波器改进 |
| 4.4.3 鲁棒联邦滤波算法 |
| 4.5 仿真验证 |
| 4.6 本章小结 |
| 第5章 运动状态估计仿真及实验研究 |
| 5.1 引言 |
| 5.2 仿真实验验证 |
| 5.2.1 STMCKF及 STIMCKF仿真验证 |
| 5.2.2 MACNCKF仿真验证 |
| 5.2.3 RFF仿真验证 |
| 5.3 四足机器人状态估计实验及分析 |
| 5.3.1 四足机器人实验平台 |
| 5.3.2 四足机器人样机实验及分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 个人简历 |
（10）GNSS浮标多普勒速度测波技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要研究内容及组织结构 |
| 2 GNSS浮标测速原理 |
| 2.1 GNSS测速函数模型 |
| 2.2 GNSS测速误差分析 |
| 2.3 GNSS测速滤波模型 |
| 2.4 实验与分析 |
| 2.5 本章小结 |
| 3 GNSS浮标波浪谱分析 |
| 3.1 功率谱分析 |
| 3.2 方向谱分析 |
| 3.3 本章小结 |
| 4 基于GNSS浮标运动速度的海浪谱分析 |
| 4.1 GNSS浮标海浪谱分析 |
| 4.2 实验与分析 |
| 4.3 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
四、灰色卡尔曼滤波预报集成方法的实验研究（论文参考文献）
- [1]面向目标跟踪的容积卡尔曼滤波算法性能分析研究[D]. 李永萍. 长安大学, 2020(06)
- [2]支持向量机模型的优化及其应用研究[D]. 李培志. 东北财经大学, 2019(06)
- [3]深基坑建筑沉降监测分析 ——以朝阳区某学校为例[D]. 武军. 北京建筑大学, 2017(02)
- [4]新疆融雪径流预报及其不确定性研究[D]. 房世峰. 新疆大学, 2010(11)
- [5]灰色卡尔曼滤波预报集成方法的实验研究[J]. 尤临,梁红丽. 云南地理环境研究, 2004(S1)
- [6]灰色卡尔曼滤波预报集成方法的实验研究[A]. 尤临,梁红丽. 2004年滇桂黔三省区五州市气象协作区交流会特刊论文集, 2004
- [7]松嫩平原北部农作物土壤水分有效性模拟及干旱评估研究[D]. 王勇. 哈尔滨师范大学, 2021(09)
- [8]数据同化系统中的鲁棒滤波方法应用研究[D]. 王月. 西北师范大学, 2021(12)
- [9]面向四足机器人的状态估计方法研究[D]. 刘济恺. 哈尔滨工业大学, 2020
- [10]GNSS浮标多普勒速度测波技术研究[D]. 刘会. 山东科技大学, 2020(06)