导读:本文包含了不完全测量论文开题报告文献综述及选题提纲参考文献，主要关键词:复杂网络,不完全测量,状态估计,牵制控制
不完全测量论文文献综述
王蔚[1]（2017）在《不完全测量下的复杂网络状态估计》一文中研究指出网络监控和故障诊断往往需要实时掌握网络中的所有节点状态信息。而复杂网络规模大,节点多且复杂,因此直接测量网络中各个节点状态信息是不现实。为了获得网络中每个节点的状态信息,继而深入地了解网络的行为特征,就需要我们通过已测节点的输出信息对整个网络状态信息进行估计。此外,现实网络会由于种种因素导致信息在传输过程中不可避免地存在时延和丢包,所以研究不完全测量下的复杂网络状态估计显得更具有现实指导意义。本文的主要研究工作及取得的成果如下:(1)现实网络在传输过程中会受到丢包、时延等不确定因素的干扰,这些干扰的出现势必会对复杂网络的状态估计产生影响。本文在之前已有的理论基础上,设计了一种鲁棒保性能状态估计器,旨在减少数据丢包和诱导时延对状态估计的影响。基于Lyapunov稳定性理论和随机分析方法,以线性矩阵不等式的形式给出了鲁棒保性能状态估计器的设计准则。最终,通过对不同规模的复杂网络进行数值仿真,验证了设计方案的有效性。(2)现实网络中可能存在部分节点输出不可测的现象,同时网络时延在k时刻的输出更依赖于(k-1)时刻的输出情况。本文将牵制控制的方法运用到具有一步诱导时延的离散复杂网络的状态估计中。通过对部分节点施加反馈控制,以达到对整个复杂网络进行状态估计的目的,从而大大降低了状态估计的成本,更加符合实际的工程应用。利用Lyapunov稳定性理论,推出牵制控制状态估计器的设计准则。最后,通过数值仿真以验证结果的可行性。(3)根据结构可控性理论选取驱动节点进行牵制控制。利用Lyapunov稳定性理论,得出增益反馈控制器设计准则。最后,通过实例仿真,验证所设计反馈控制器的有效性和可行性。(本文来源于《南京邮电大学》期刊2017-10-26）
赵航[2]（2017）在《无线传感器网络中基于不完全测量信息的分布式滤波》一文中研究指出无线传感器网络是一个由大量传感器节点构成的多跳网络,通常来说通过自组织方式进行通信。由于无线传感器网络技术在各种领域中的广泛应用,滤波问题作为其中的基本问题具有相当重要的研究意义。在无线传感器网络中,一个最重要的特点就是传感器节点能量和数据处理能力都是相当有限的。节点的主要能耗来自于通信传输过程,因此在如何设计有效的分布式滤波算法的过程中,有必要考虑降低数据传输量来起到节能的效果。同时,如何处理网络环境造成的信息缺失也是分布式滤波问题的关键所在。本文主要有以下两方面研究工作:第一,研究了多测量信息丢失情况下的线性系统的分布式H_∞滤波问题。引入一组随机变量来对传感器信息传输过程中发生的概率数据丢失进行建模。在系统中所有的随机变量都是相互独立的,并且服从伯努利二次型分布。分布式滤波器存在的充分条件由线性矩阵不等式的形式给出,保证了系统的渐近稳定性以及滤波误差满足给定的H_∞性能指标。根据一个数值例子验证了所得结论的正确性和有效性。第二,根据无线传感器网络的分布式结构,引入分布式的事件触发机制,研究了具有随机丢包特征和事件触发通讯机制的无线传感器网络下离散线性系统的分布式H_∞滤波器问题。采用独立的伯努利分布刻画传感器节点通讯的数据丢包,事件驱动通信机制的采用是希望减少无线传感器网络中的通信负担和能量消耗,只有在满足一定的触发条件时,每个传感器节点上的测量值才被传输到它的邻居节点。针对无线传感器网络,在一个统一框架下同时考虑数据丢包和事件触发的影响,建立滤波误差系统模型。利用李雅普诺夫稳定性理论,以线性矩阵不等式形式给出基于事件触发的分布式H_∞滤波器性能判据和滤波器参数的设计方法。最后通过用数值仿真来验证所设计方案的有效性。(本文来源于《山西大学》期刊2017-06-01）
李月茹[3]（2017）在《基于不完全测量信息的非线性二次系统的输出反馈控制》一文中研究指出非线性系统控制问题一直是控制领域中备受关注的话题,二次系统作为非线性系统的一种特殊形式,在实际应用中起着非常重要的作用,例如在物理学、生态学、自然科学与工程技术等许多领域中,都涉及到以二次多项式系统为模型的问题,因此非线性二次系统受到了广泛的关注,并取得丰富的研究成果。近年来,对于非线性二次系统Lyapunov渐近稳定和有限时间稳定的研究是很多学者研究的一个重点话题,本文针对具有不完全测量信息的非线性二次系统分别设计基于观测器的输出反馈控制器和动态输出反馈控制器,研究其随机稳定和有限时间随机稳定问题,主要工作归纳为如下两个方面:1.研究具有信号量化和测量数据丢失的离散的非线性二次系统的输出反馈控制问题。利用对数型量化器和概率属于区间[0,1]上相互独立的随机变量构成的对角矩阵分别描述信号量化和测量丢失现象;通过设计一个基于观测器的输出反馈控制器得到闭环系统在零平衡点随机稳定且凸多面体?属于零平衡点吸引域的一个估计的充分条件;根据线性矩阵不等式方法求解出控制器的控制增益矩阵和观测增益矩阵;最后通过仿真算例验证本文提出方法的可行性和有效性。2.研究具有随机参数不确定性和外部扰动的离散的非线性二次系统有限时间随机稳定和有限时间随机有界问题。利用取值为0或1的Bernoulli随机变量描述测量丢失现象;通过设计一个动态输出反馈控制器得到闭环系统是有限时间随机有界的充分条件;根据相应的线性矩阵不等式技术求解出动态输出反馈控制器的增益矩阵;再将此方法推广到没有外部扰动的非线性二次系统当中,得出闭环系统有限时间随机稳定的充分条件;最后通过仿真算例说明本文所提出方法的有效性和适用性。(本文来源于《哈尔滨理工大学》期刊2017-03-01）
李珍[4]（2016）在《不完全测量信息系统的辨识研究》一文中研究指出在控制科学发展初期,人们对控制科学研究还不够深入,在研究系统性能方面,研究者往往忽略相关因素引起的信息缺失,视系统为完全信息系统。而在大数据背景的当今时代,人们对信息系统辨识精度要求越来越高,忽略信息缺失辨识系统参数已不能满足当今社会需求。随着完全信息系统参数辨识缺点逐步突显,广大研究者开始研究不完全信息系统参数辨识算法,部分研究者找到了一种插补辨识算法来降低对系统参数辨识精度的影响,以实现参数的精确辨识并确保系统收敛。因此,本文旨在探索一种样条插补粒子群算法来实现不完全信息系统的参数较精确辨识,通过随机过程知识构建随机变量来分析算法的收敛性,并在实际直流调速系统中检验该算法可行性和有效性。具体步骤如下：首先,针对不完全信息系统,研究了一种基于PSO (Particle Swarm Optimization,粒子群优化)与均值插补法相结合策略实现系统的参数辨识。利用均值插补法对随机丢失信息进行插补,并采用PSO方法对辨识模型参数进行在线迭代优化,以得到合适的误差准则下的最优适应度函数,以实现每个粒子所对应的参数速度和大小迭代,从而实现不完全信息系统参数的实时、精确辨识；在此基础上,进一步分析了该算法的收敛性,通过仿真验证发现本文所提方法在一定条件下可实现不完全信息系统的参数辨识精度的有效提高。其次,将样条插值法引入到不完全信息系统的参数辨识中,以实现系统参数的精确辨识。采用时间戳的信号编码方式,以统计随机缺失的信息量,利用叁次样条插补法,对缺失数据进行实时插补,实现完全辨识数据获取；在此基础上,为提高系统辨识精度,进一步采用PSO算法对系统参数进行辨识,并理论推导了该方法的收敛性。最后,将所研究的辨识方法应用到转速反馈控制直流电机调速系统的参数辨识中,在不同缺失率下,实测并获取系统的输入输出数据,利用样条插补辨识法对系统参数进行了辨识,通过验证发现本文所提方法能有效实现直流电机调速系统参数辨识,为该方法进一步的应用和推广奠定了必要的实验基础。(本文来源于《安徽工程大学》期刊2016-06-08）
孙朋涛[5]（2016）在《DXA对男性HIV/AIDS不完全免疫应答患者及肌量减少患者体成分测量分析》一文中研究指出目的分析不同体成分及其他因素与中国男性HIV/AIDS患者接受HAART后不完全免疫应答的相关性。材料与方法回顾性分析2007年5月1日至2015年12月31日接受HAART1年以上的男性HIV/AIDS患者。分析中收集了患者临床、免疫学及病毒学资料,其中包括HAART开始前1月内测量的患者体重、身高、全身体成分。经身高校正后得到体重指数(BMI)、全身肌肉指数、四肢肌肉指数、全身脂肪指数(FMI)、全身骨量/身高比。根据患者接受HAART1年后是否出现不完全免疫应答(CD4+T计数<350细胞/μl,将患者分为免疫学未完全应答组(<350细胞/μl)、免疫学完全应答组(≥350细胞/μl)。应用t检验、卡方检验及Wilcoxon秩和检验比较两组患者的差异,应用Logistic回归分析接受HAART1年后不完全免疫应答(CD4+T<350细胞/u l)的影响因素,应用ROC曲线分析相关因素的影响程度。结果本研究纳入84例男性HIV/AIDS患者。两组患者在年龄、基线BMI、全身肌肉指数、四肢肌肉指数、CD4+T细胞计数差异有统计学意义(P<0.05)。两组患者在基线病毒载量、全身脂肪指数、骨量／身高比、HAART时间、HAART方案差异无统计学意义(P>O.05)。基线BMI(OR值0.752,95%置信区间0.568-0.996；P=0.044),全身肌肉指数(OR值0.432,95%置信区间0.215-0.870；P=0.018),四肢肌肉指数(OR值0.271,95%置信区间0.082-0.898；P=0.032),HAART时间(OR值0.072,95%置信区间0.009-0.557；P=0.011),基线CD4+T细胞计数(OR值67.161,95%置信区8.954-503.770；P<0.0001)与不完全免疫应答具有相关性。年龄(OR值1.352；95%置信区间0.159-11.484；P=0.782),病毒载量(OR值0.303；95%置信区间0.058-1.579；P=0.156),全身脂肪指数(OR值0.883；95%置信区间0.722-1.079；P=0.223),全身骨量/身高比(OR值1.012,95%置信区间0.151-6.772；p=0.938)及HAART方案(OR值0.617,95%置信区间0.143-2.660；P=0.517)与不完全免疫应答无相关性。基线体重指数的临界值为21.9kg/m2,灵敏度及特异度分别为63.3%、67.9%。全身肌肉指数的临界值为16.8kg/m2,灵敏度及特异度分别为77.6%、67.9%。四肢肌肉指数临界值为7.6kg/m2,灵敏度及特异度分别为75.5%、60.7%。基线BMI与全身肌肉指数ROC曲线下面积比较有显着性差异(P=0.044)。结论基线BMI、全身肌肉指数或四肢肌肉指数较高的男性HIV/AIDS患者发生不完全免疫应答的可能较小,全身肌肉指数对不完全免疫应答的预测能力优于BMI。基线脂肪指数和全身骨量/身高比与不完全免疫应答无关。目的探讨男性HIV/AIDS肌量减少患者体成分特点,并分析肌量减少及HAART后肌量变化的相关因素。材料和方法选取2007年5月1日至2015年12月31日在我院接受HAART 1年的男性HIV/AIDS患者72例。收集基线水平、HAART 1年后患者临床、免疫学及病毒学资料,其中包括应用DXA测量的全身及四肢体成分数据。肌量减少标准参照文献,即肢体肌肉重量指数(appendicular lean mass index)<7kg/m2。应用t检验、卡方检验及非参数秩和检验比较肌量减少组与肌量未减少组的差异,并比较HAART前后肌量的差异。应用Logistic回归分析男性HIV/AIDS患者肌量减少及HAART后肌量改变的影响因素。结果72例男性HIV/AIDS患者中,肌量减少患者26例,肌量未减少患者46例。两组患者在基线体重、体重指数、四肢肌量、全身肌量、全身肌肉指数、全身骨量、全身骨量／身高比、既往机会性感染病史差异有统计学意义(P<0.05)。两组患者在四肢脂肪量、躯干脂肪量、全身脂肪量、全身脂肪指数、年龄、HIV感染时间、病毒载量、感染途径、合并HBV/HCV、基线CD4+T细胞计数差异无统计学意义(P>0.05)。Logistic回归分析显示：基线体重(OR值0.805,95%置信区间0.716-0.905；P=0.0003)、体重指数(OR值0.492,95%置信区间0.335-0.723；P=0.0003)、既往机会性感染(OR值3.115,95%置信区2.634-193.103；P=0.004)与肌量减少有相关性。年龄、感染时间、病毒载量、基线CD4+T细胞计数、合并HBV/HCV与肌量减少无相关性(P>0.05)。与基线水平比较,HAART 1年后四肢肌肉指数(t=-2.07,P=0.04)与全身肌肉指数(t=-2.327,P=0.019)较前增加。Logistic回归分析显示：基线CD4+T细胞计数(OR值4.134,95%置信区间1.288-13.262；P=0.017)与HAART后肌量增加具有相关性。年龄、HIV感染时间、病毒载量、基线CD4+T细胞计数、CD4+T细胞增量、既往机会性感染、合并HBV/HCV、基线体重、基线体重指数、基线四肢肌量、基线全身肌量、基线四肢肌肉指数、基线全身肌肉指数、基线全身脂肪量、基线全身脂肪指数、基线全身骨量、基线全身骨量／身高比、HAART时间、HAART方案与肌量增加无相关性(P>0.05)。结论基线BMI与男性HIV/AIDS患者肌量减少的发生成负相关,基线BMI较高的患者发生肌量减少的风险较小。既往机会性感染是肌量减少的危险因素。基线CD4+T细胞计数是HAART后肌量增加的预测因素,基线CD4+T细胞计数较低的HIV/AIDS患者HAART后肌量增加明显。病毒载量与肌量增加无相关性。(本文来源于《北京协和医学院》期刊2016-05-01）
Satoh,M,Asayama,K,Kikuya,M,Inoue,R,Metoki,H[6]（2015）在《家庭血压测量和动态血压测量确诊的不完全白大衣性高血压或隐蔽性高血压的长期脑卒中风险》一文中研究指出白大衣性高血压(white-coat hypertension,WCH)的预后意义存在争论,且家庭自测血压与24h动态血压监测的不同结果使得WCH确诊困难。本研究探讨采用不同的诊室外血压测量方法诊断的不完全性或完全性WCH以及隐蔽性高血压(masked hypertension,MH)是否存在不同的长期脑卒中风险。方法:该研究在日本Ohasama普通人群中随访1464名受试者,31.8%为男性,年龄(60.6±10.8)岁,随访时间中位数为17.1年。结果:212人发生首次脑卒(本文来源于《中华高血压杂志》期刊2015年10期）
谭雄辉,肖琴琴,刘宇健,谭意泷,胡涌[7]（2015）在《EM算法在不完全高程测量数据处理中的应用》一文中研究指出本文分析了EM算法在不完全高程测量数据中的实现方法,推导了EM算法进行测量数据处理的方法步骤,通过具体实例实现了EM算法在不完全测量高程数据处理中的应用。最终结论表明,不完全测量高程数据通过采用EM算法并结合精密平差方法进行处理,提高了测量成果的精度,与完全数据下的平差处理结果非常接近,而与直接平差法处理的结果相比有明显的优势。(本文来源于《四川水泥》期刊2015年04期）
任云志,贺跃光,吴弘,姬方,戴潇蕾[8]（2013）在《基于BP神经网络的不完全测量数据处理方法研究》一文中研究指出由于受施工干扰或测量条件影响,致使测量数据不完全或测量数据缺失,增加数据分析难度,造成分析结果偏差。BP神经网络具有很好的非线性映射能力、自学习能力、自组织能力和自适应能力。为此,提出了运用BP神经网络算法对不完全测量数据进行处理的方法,得到正确平差结果。结果表明,BP神经网络算法无需知道系统模型,对待估计参数的先验信息要求较少,其估计结果较好地反映地表沉降规律。(本文来源于《现代测绘》期刊2013年01期）
林东方[9]（2012）在《基于EM算法的不完全测量数据的处理方法研究》一文中研究指出在测量中,由于各种不利因素的影响,常常导致观测数据缺失或观测值中含有粗差,使测量数据变得不完全。目前,常规的测量数据处理通常是基于完全测量的,若缺失的观测值对于参数估计来说是一些必不可少的数据时,不对缺失数据进行处理,将会严重影响参数估计的准确性。目前,在测绘数据处理中,针对缺失数据的处理方法主要有填补法、拟合法、预测法,这些缺失数据的处理方法引入测量数据处理中,可以有效地提高不完全测量数据处理的质量,提高测量的精度和可靠性,然而这些方法是对缺失的数据进行弥补(伪数据),然后再进行估计,由于这些填补的数据有一定的局限性,填补数据本身就是一些不准确的数据,再用它来进行参数估计就会出现问题,另一方面,测绘数据处理有时并不是要求对缺失的数据进行填补,而仅仅是进行参数估计。因此,本文根据EM (expectation-maximization)算法的原理,展开对不完全观测数据的处理的研究,主要做了如下的研究：1.综述了现有的不完全数据处理方法,并对这些方法进行了总结比较,分析各种方法在测绘数据处理中的适用情形和优缺点,找出适用于测量中的不完全测量数据的方法。2.将EM算法应用于不完全测量数据的数据处理中,结合常规测量数据处理模型,推导了采用EM算法进行测量数据处理的公式,给出了采用EM算法进行测量数据处理的步骤,实现了基于EM算法的不完全测量数据处理。3.推广了EM算法在测量数据处理中的应用,将EM算法应用于含有不确定信息的测量数据处理中,推导了含有不确定信息的测量数据的EM算法处理公式,实现将不确定信息引入测量数据处理中,提高测量成果精度。4.结合具体实例,对所提出的基于EM算法的不完全测量数据处理方法和引入不确定信息的测量数据处理方法进行验证分析。说明算法的可行性和有效性。(本文来源于《中南大学》期刊2012-05-01）
林孝工,徐树生,赵大威,陈博飞[10]（2012）在《多速率传感器不完全测量数据自适应融合算法》一文中研究指出针对不完全测量的多速率传感器系统,建立了自适应的分级融合算法。该算法构建了传感器子系统故障检测方法,检测子系统故障,确认不完全测量,避免单点故障污染整个系统;建立子系统的切换控制逻辑,引入映射矩阵,构成新的信息分享系数,自适应地选择子系统参与中心融合;对于不完全测量信息的传感器子系统,利用子滤波预测值代替估计值进行融合;全局状态估计利用各子系统的当前与前一时刻的估计值,提高了融合性能。对建立的算法进行仿真,验证了该算法的有效性。(本文来源于《传感器与微系统》期刊2012年04期）
不完全测量论文开题报告
（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：
无线传感器网络是一个由大量传感器节点构成的多跳网络,通常来说通过自组织方式进行通信。由于无线传感器网络技术在各种领域中的广泛应用,滤波问题作为其中的基本问题具有相当重要的研究意义。在无线传感器网络中,一个最重要的特点就是传感器节点能量和数据处理能力都是相当有限的。节点的主要能耗来自于通信传输过程,因此在如何设计有效的分布式滤波算法的过程中,有必要考虑降低数据传输量来起到节能的效果。同时,如何处理网络环境造成的信息缺失也是分布式滤波问题的关键所在。本文主要有以下两方面研究工作:第一,研究了多测量信息丢失情况下的线性系统的分布式H_∞滤波问题。引入一组随机变量来对传感器信息传输过程中发生的概率数据丢失进行建模。在系统中所有的随机变量都是相互独立的,并且服从伯努利二次型分布。分布式滤波器存在的充分条件由线性矩阵不等式的形式给出,保证了系统的渐近稳定性以及滤波误差满足给定的H_∞性能指标。根据一个数值例子验证了所得结论的正确性和有效性。第二,根据无线传感器网络的分布式结构,引入分布式的事件触发机制,研究了具有随机丢包特征和事件触发通讯机制的无线传感器网络下离散线性系统的分布式H_∞滤波器问题。采用独立的伯努利分布刻画传感器节点通讯的数据丢包,事件驱动通信机制的采用是希望减少无线传感器网络中的通信负担和能量消耗,只有在满足一定的触发条件时,每个传感器节点上的测量值才被传输到它的邻居节点。针对无线传感器网络,在一个统一框架下同时考虑数据丢包和事件触发的影响,建立滤波误差系统模型。利用李雅普诺夫稳定性理论,以线性矩阵不等式形式给出基于事件触发的分布式H_∞滤波器性能判据和滤波器参数的设计方法。最后通过用数值仿真来验证所设计方案的有效性。
（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。
不完全测量论文参考文献
[1].王蔚.不完全测量下的复杂网络状态估计[D].南京邮电大学.2017
[2].赵航.无线传感器网络中基于不完全测量信息的分布式滤波[D].山西大学.2017
[3].李月茹.基于不完全测量信息的非线性二次系统的输出反馈控制[D].哈尔滨理工大学.2017
[4].李珍.不完全测量信息系统的辨识研究[D].安徽工程大学.2016
[5].孙朋涛.DXA对男性HIV/AIDS不完全免疫应答患者及肌量减少患者体成分测量分析[D].北京协和医学院.2016
[6].Satoh,M,Asayama,K,Kikuya,M,Inoue,R,Metoki,H.家庭血压测量和动态血压测量确诊的不完全白大衣性高血压或隐蔽性高血压的长期脑卒中风险[J].中华高血压杂志.2015
[7].谭雄辉,肖琴琴,刘宇健,谭意泷,胡涌.EM算法在不完全高程测量数据处理中的应用[J].四川水泥.2015
[8].任云志,贺跃光,吴弘,姬方,戴潇蕾.基于BP神经网络的不完全测量数据处理方法研究[J].现代测绘.2013
[9].林东方.基于EM算法的不完全测量数据的处理方法研究[D].中南大学.2012
[10].林孝工,徐树生,赵大威,陈博飞.多速率传感器不完全测量数据自适应融合算法[J].传感器与微系统.2012