挠性结构模型的频域极大似然法辨识

在构建的以压电陶瓷为执行器、电阻式应变片为传感器的挠性悬臂梁物理实验系统基础上,优化设计多正弦辨识输入信号,利用频域极大似然法辨识得到了整个系统的数学模型,并根据该模型进行了数字和物理控制仿真,验证了模型的有效性.良好的控制效果表明:对于挠性结构,频域极大似然法是一种有效的模型辨识方法.     

基于模拟退火粒子群算法的飞机气动参数辨识

针对飞机气动参数辨识中如极大似然法等常规方法存在收敛慢、对初值敏感或数学形式复杂等缺点,讨论了模拟退火粒子群算法及其在气动参数识别中的应用,该方法主要辨识策略是一次采集多次迭代,增强了粒子群算法的收敛性和全局性.对某飞机纵横向气动参数辨识进行了仿真研究,结果表明模拟退火粒子群算法对飞机气动参数辨识问题行之有效,并且在扩展搜索空间上,比基本粒子群算法和自适应粒子群算法更有优势.     

多变量ARMAX模型结构和参数的辨识

本文讨论了多变量ARMAX模型结构和参数的辨识问题。根据[1]的论述,采用BIC准则判定模型的阶;并用递推的极大似然法辨识参数。根据估计参数的渐近正态性进一步确定模型的子阶和时滞。由于采用了BIC准则,避免了F检验定阶的主观性。因此本方法比文献[2]、[3]中的方法优越。仿真算例证明了本方法的有效性。     

应用Dirichlet分布的概率假设密度多目标跟踪

针对多目标跟踪算法对多目标状态提取的需求,提出了一种基于Dirichlet分布的概率假设密度滤波器多目标状态提取方法.该算法利用负指数Dirichlet分布的不稳定性来极大似然估计多目标状态;利用期望极大化算法搜寻极大似然解,同时利用Dirichlet分布驱使不相关分量消亡;为了平衡成功初始化与减少算法时间开销的要求,利用k-d树初始化Dirichlet分布.仿真结果表明,基于Dirichlet分布的概率假设密度滤波器多目标状态提取算法在多目标跟踪中优于已有算法.     

基于RSSI极大似然估计定位算法的改进与实现

针对基于RSSI(接收信号强度指示)的极大似然估计算法会出现消去二次项时坐标信息丢失,定位误差较大的问题,提出了一种改进的基于RSSI极大似然估计的定位算法.该算法先用卡尔曼滤波算法对采集到的RSSI进行数据处理,然后利用在极大似然估计算法中使用基于泰勒级数展开的最小二乘法对未知节点求解定位.仿真实验结果表明,该算法改善了原算法定位的稳定性,有效减小了定位误差,提高了定位精度.     

滑动平均模型的极大似然辨识方法

根据极大似然原理,推导了滑动平均模型的极大似然参数估计算法.仿真结果说明:当数据长度较大时,提出的方法给出的参数估计精度高于增广最小二乘算法.     

挠性结构振动主动控制中的模型辨识

论文将有限元建模与面向控制的频域辨识结合起来应用于挠性结构振动主动控制的建模中，并对辨识的输入信号进行分析研究，以挠性悬臂梁为例进行了模型辨识，利用物理实验系统进行控制和验证，结果表明：对于挠性结构，频域辨识能得到针对控制的、效果很好的数学模型。     

民用飞机纵向气动参数辨识研究

飞机气动参数辨识是利用飞机在飞行试验过程中测得的状态响应数据对飞机的气动参数进行辨识的技术.设计了纵向气动参数辨识的激励信号,建立了非线性辨识模型.基于极大似然法对飞行试验数据进行辨识研究,得到纵向气动参数.对比飞行试验和辨识结果仿真的时间历程,表明辨识结果准确.     

通道相位失配对空间谱测向算法的影响

分析了通道相位失配对MUSIC算法、ESPRIT算法和极大似然算法的影响,比较了这3种算法对相位失配的适应性。计算机仿真结果表明,极大似然算法对通道相位失配有较好的适应性,MUSIC算法次之,ESPRIT算法受影响比较大。     

基于系统识别的RSSI定位算法

针对无线传感器网络节点定位问题,分析了基于接收信号强度(RSSI)的定位算法,对无线电传播路径损耗理论模型进行了分析.采用系统辨识加权最小二乘法在线修正了信号衰减理论模型,使算法具有了普遍适用性.提出三边定位法与质心法结合的定位算法和极大似然估计法得到未知节点的估计位置.仿真结果表明,该算法减少了测距误差,随着节点的增加定位精度提高.     

OFDM系统中最大似然调制识别算法研究

对观测样本进行非线形变换,提出了基于子载波和子载波组的OFDM系统最大似然调制识别算法,解决了载波频偏引起最大似然调制识别算法性能急剧下降的问题.仿真结果表明,当归一化频偏小于0.15时,该算法具有良好的识别性能.     

一种多变量系统结构辨识和参数估计算法

提出一种新的多变量系统结构辨识和参数估计算法，它可同时递推辨识多变量系统 的结构指数和所有子系统的各阶模型参数，具有计算量小，计算品质好，编程简单等优 点。     

正交频分复用-多天线系统的盲信道估计算法

为了解决多天线系统的识别模糊问题,提出一种基于系统输出信号二阶统计的正交频分复用多天线(OFDM-MIMO)系统盲信道估计算法。该算法从频域角度出发,从而将有限冲击响应信道的识别简化为一系列的无记忆系统识别问题。利用信道频率相关特性降低了算法复杂度,同时解决了算法对样本数的依赖问题。为了去除盲识别的模糊度,设计了带少许导频插入的OFDM-MIMO系统结构,研究了算法的估计精度及其对信道容量的影响。仿真结果表明:2发2收,1024子载波的OFDM-MIMO系统在信噪比为20dB时盲估计的归一化均方误差约为10-2。另外,子载波信道的容量结果表明,在信道变化较快时该文提出的盲估计算法相对于训练方法有明显的容量优势。     

多输入多输出非线性系统Volterra频域核的非参数辨识方法

为解决多输入多输出(MIMO)非线性系统Volterra频域核辨识困难的问题,提出了一种MIMO非线性系统Volterra频域核的非参数辨识方法.该方法先对待辨识的MIMO非线性系统的各输入端添加不同频率成分的单音激励信号,再对系统的输出端信号进行采样并使用Vandermonde法使各阶核输出分离,然后根据单音激励下MIMO非线性系统Volterra核的频域输出特性,推导出该类系统Volterra频域核的辨识公式.由于采用了多音信号激励MIMO非线性系统,实现了一次激励下多点辨识的目的,因此提高了辨识效率.该方法仅依赖于系统的输入输出数据,具有较强的实用性.采用该方法对一个双输入双输出的非线性系统Volterra频域核进行辨识,最大偏差小于10-5,验证了该方法的有效性.     

时变多变量系统阶次和参数的同时辨识

通过引进时变遗忘因子，该文提出了一种时变多变量系统的结构和参数的同时辨识算法，该算法结构简单，跟踪参数变化速度快，同时又兼备ＵＤ分解的良好计算品质。     

Smith－McMillan形并矢展开近似模型的多变量系统设计及其稳定性

讨论了由被控对象传递函数阵Ｓｍｉｔｈ－ＭｃＭｉｌｌａｎ形并矢展开近似模型的多变量反馈系统设计。该法适用范围广，控制器和反馈构造简单，实际系统闭环稳定性易于检验，且近似模型闭环系统与实际闭环系统稳态相同，附算例。     

GSM 信号的自适应最大似然接收

考虑如何在ＧＳＭ接收机中实现最大似然接收以克服多径传播带来的严重的信号失真，提出了新的算法，它和常规的算法相比在复杂度上大大降低。给出了仿真结果，结果表明这一新算法具有接近理想的最优性能。