过采样方法在系统辨识中的应用

为了对带噪输出的控制系统进行盲辨识，提出了一种利用过采样法辨识控制系统函数的方法，通过过采样控制系统的输出信号，将原单输入单输出系统转换成为一个新的与原系统具有相同输出极点的单输入多输出系统，再估计出这个新的单输入多输出系统的传递函数，最后得到原单输入单输出系统的模型参数，仿真结果表明，与常用的高阶矩法相比，该方法具有不受系统结构影响，不需要计算样本数据的高阶统计矩，使用的样本数据量少，便于计算机实现的优点。     

一种新的系统盲反向辨识方法

基于系统输出信号过采样原理的系统反向辨识是一种新的盲辨识方法,这种方法不仅适用于最小相位系统,而且也适用于非最小相位系统。通过输出信号的过采样,可以获取未知输入信号和系统更多的信息。文中首先提出了这种解决盲辨识问题的算法,然后利用辨识出的系统模型恢复了源输入信号。这种方法在控制工程领域具有较高的实用价值。     

基于过采样的Hammerstein模型最小方根辨识算法

针对Hammerstein模型提出了基于过采样原理的新的最小方根辨识算法,通过估计线性部分的中间输入,可以辨识出任意连续函数的未知非线性元件和线性部分传输函数。即使在非线性元件传递函数存在近似误差的情况下,线性部分的估计值也具有一致性。     

一种基于过采样技术的非最小相位系统盲辨识方法

提出了一种在时域中盲辨识非最小相位系统传递函数的方法,该方法通过对系统输出过采样来获得系统结构参数的信息．     

一种非最小相位系统控制方法

针对非最小相位系统提出了一种非线性控制方法。利用一种非线性函数对常规PID控制的三个控制项分别进行非线性修正,形成一种非线性PID控制器,并结合这一控制器的直观物理意义,在状态平面上通过旋转该控制器来改变闭环系统的负零点个数,以适应非最小相位系统的控制需求。仿真结果表明,与线性PID控制器相比,本文方法在减小负调幅值的同时缩短了系统调节时间,较好地解决了非最小相位的控制问题。     

输出过采样闭环系统辨识方法中最优过采样率的选择

提出了一种基于输出过采样技术的线性离散时间闭环系统辨识方法 ,通过对输出端施加过采样 ,将原闭环系统模型转化为过采样模型 .对于输出端白噪声、有色噪声干扰 ,分别利用最小二乘辨识算法和误差预报算法辨识出过采样模型 ,进而计算出原闭环系统的模型参数 .辨识结果中模型参数的估计误差服从均值为0的正态分布 ,方差由过采样率决定 ,据此推导出了使参数估计误差最小化的最优过采样率的计算方法 .该方法实现简单 ,运算量小 ,估计精度高 .仿真实验表明 ,当信噪比大于 15dB时 ,该方法的估计精度可达98% ;当过采样率为 15～ 2 0时 ,算法具有最优的辨识精度     

基于高阶累积量方法的非高斯非最小相位ARMA模型辨识

从利用高阶累积量对加性高斯噪声有色中非高斯过程辨识的基本理论出发,对近年来基于高阶统计量方法辨识非高斯、非最小相位ARMA模型的算法进行了分析和综述,阐明了借助高阶统计量方法可以克服传统的基于2阶统计量方法在解决此类问题中的缺陷,有效地解决非高斯、非最小相位系统的辨识问题。     

基于过采样盲均衡技术的研究

自从Tong,Xu和Kailath证明使用二阶统计量来辨识非最小相位系统的可行性后,在多路FIR信道的盲辨识领域出现了很多研究成果。它们大都使用了数字模型的代数结构和循环互相关或循环谱。对近期基于二阶统计量的盲均衡方法进行了系统总结。     

一种基于输出过采样的IIR盲均衡算法

基于对IIR信道输出过采样,构造了一种单输入多输出(SIMO)信道模型。在该模型中,由于在AR子信道采用RLS迭代算法和在MA子信道采用了一种改进的CMA算法,从而使得该算法比传统算法更简化,收敛速度得到提高。仿真实验结果验证了该算法的有效性。     

非最小相位系统特性分析

在自动控制理论中，对最小相位系统的分析与设计进行了广泛的讨论，而对非最小相位系统，文献资料中很少涉及，理论上也不全面，为此对非最小相位系统的概念、分析、特点作了全面系统的阐述。     

一种自适应信号盲分离和盲辨识的有效算法

为了把几个独立信号从它们的线性混叠中盲分离或盲辨识出来,提出了一种具有抑制噪声作用的有效自适应学习算法,研究了算法的有界性和渐近稳定性．以渐近稳定性为条件,给出了算法中非线性函数的适当选择．仿真研究表明,算法是有效而鲁棒的,且能够从有噪声的混叠中恢复原独立信号．     

一种基于自适应滤波的系统辨识方法

采用自适应滤波技术，给出了系统辨识的一种方法。该方法具有计算简单、实用的特点，可以在理论模型不清楚的情况下，通过测量和学习，实现对未知系统的最佳拟合。     

基于信道模型过估计的最小噪声子空间盲辨识

研究基于信道模型过估计的盲系统辨识问题.采用最小噪声子空间方法,提出了一种通信信道盲辨识算法.与现有算法比较,提出的算法减少了辨识过程的计算量,提高了辨识精度,并对信道阶数过估计具有鲁棒性.仿真结果表明,在信道阶数过估计时,提出的算法仍能给出较好的参数辨识效果.     

基于改进粒子群算法的分数阶系统辨识方法

为获取精确的分数阶系统模型,本文利用惯性权值自适应律来改进基本粒子群算法,基于所改进的粒子群算法提出了一种分数阶系统辨识方法,并选取实际系统与辨识系统的输出误差平方和为目标函数,实现了分数阶模型参数和阶次的同时辨识,适用于成比例和不成比例分数阶系统辨识。仿真结果表明了算法的有效性,辨识结果精度较高。     

非最小相位离散系统的模型参考自适应控制

将单输入单输出非最小相位离散时间系统的模型参考自适应控制的新方法（即用从最小二乘获得的近似逆系统方法）推广到多变量场合．讨论了如何避免不稳定的零极点对消及如何将扰动的作用与对象的输出进行解耦的问题．计算机仿真结果说明了推广方法的有效性．     

非最小相位系统预测控制算法的频域设计

在Z域和离散时域研究了非最小相位系统的控制问题,从系统内稳定和渐进跟踪要求出发,提出了一类非最小相位系统预测控制的新算法,该算法通过求取满足闭环系统最基本要求的参考轨迹来实现,设计例子表明了提出方法的有效性。     

宽带采样器相位误差及其不确定度研究

提出了基于分立元件电气参数建模的50 GHz宽带采样示波器采样电路的SPICE仿真模型,根据电路结构、分解的采样头的电气细微测量以及器件的多维测量构建了模型的电气参数.由于电气参数直观、物理意义明确,因此该方法比数学建模法简单、精确.在该模型各个参数改变±10%前下,量化各个元件参数的影响,综合出相位误差为7.03°,不确定度为1.34°,得到了二极管梯度因子对相位误差的影响比零偏结电容大的结论.仿真结果表明,与数学建模法相比,基于电气参数的建模方法易于分析相位误差不确定度,并且相位误差减少了45%.所提方法为误差分析及不确定度分析提供了一种以电气参数建模为理论框架的新手段.     

非线性有限冲激响应Volterra信道的盲辨识

提出了单输入多输出有限冲激响应（ＳＩＭＯ ＦＩＲ）Ｖolterra系统的盲辨识及盲均衡的子空间方法,首先描述了ＳＩＭＯ非线性Ｖolterra信道模型,并将此模型转化为多输入多输出（ＭＩＭＯ）信道 模型;接着讨论了ＦＩＲＶolterra系统盲可辨识条件,并给出了ＳＩＭＯＶolterra系统的盲辨子空间算法;进一步讨论了ＶolterraＦＩＲ非线性信道的确定性盲均衡问题;最后用仿真实例验证了此算法的有效性,所提方法与确定性的线性多信道方法相比,它的最大优点就在于所需约束条件少,此方仅需要输入信号的相关矩在奇异,且在低信噪比情况下（ＳＮＲ为５dB)也有效。     

一种基于向量的鲁棒ARMA系统辨识器

提出一种新的基于向量方法的自回归和运动平均(ARMA)模型系统辨识器,并给出了其参数的统计分析模型.应用结果表明,向量ARMA算法和最小二乘法LS算法相比,在一定条件下,其预测误差精度提高了约1.2 dB;且该系统模型不受分离向量参数的影响.使用非线性函数核,系统将会成为一个鲁棒的非线性辨识过程.