时变系统的Laguerre模型辨识及设计变量(1)

文章考虑动态线性系统的时变参数是平稳的AR（1）变量，系统为时变的Laguerre模型时的传递函数估计的均方误差（MSE）。在缓慢时变和高阶模型下，利用随机梯度算法，得到MSE的近似表达式。该文利用Laguerre模型取代FIR模型，减小了MSE，降低了模型的阶次，最后讨论了随机梯度算法的设计变量的优化问题。     

时变系统的FIR模型辩识及设计变量

文章考虑时变系统辨识中辨识设计变量的最优化问题，时变系统的参数可用平稳的AR（1）随机过程描述，时变系的FIR模型递函数估计的均方误差，记作MSE，它可以用一个较简单表达式来逼近它，作者在MSE极小的意义下，给出辨识设计变量的解析表达式。     

时变系统的最优设计变量

考虑时变系统辨识中辨识设计变量的最优化问题。时变系统的参数由随机游动过程描述,讨论时变系统的FIR模型传递函数估计的均方误差(MSE),记作MSE,在新的准则函数极小的意义下,给出某一频率区间上时变系统辨识的设计变量。     

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。     

多变量时变系统的自适应控制

将作者提出的单变量时变系统的算法推广到多变量情形,得到了多变量时变参数系统的自适应控制,同时讨论了算法的收敛性.     

带未知时变噪声的非线性系统卡尔曼滤波器算法研究

针对带有未知时变噪声的非线性系统的状态估计问题，详细研究了基于有限差分和未知时变噪声估计器的扩展Kalman滤波器算法。仿真结果发现，该算法具有滤波精度高，数值计算稳定等优点，但系统状态估计对初始误差较敏感。     

随机多变量NARMAX模型的非线性递推最小二乘算法

针对随机多变量NARMAX模型存在的问题,基于线性滤波﹑谱分解定理及成型滤波器原理,将随机干扰等效在系统的输出端,提出改进的随机多变量NARMAX模型。基于辅助模型的原理,在参数估计的准则函数中加入待估参数的增量约束项和遗忘因子,并结合增广递推最小二乘算法和随机非线性递推最小二乘算法,将改进的多变量NARMAX模型转换为具有耦合的子系统,给出具有遗忘因子的,能克服算法病态的,适用于具有时变参数模型的改进随机多变量NARMAX模型的非线性递推最小二乘算法。应用在线修正参数预测滤波PID控制,仿真结果验证了算法的有效性。     

带不同局部动态模型的时变系统信息融合Kalman估值器

对于带不同局部动态模型和多传感器的的线性离散时变随机控制系统,应用Kalman滤波方法,基于Riccati方程,根据按矩阵加权、按对角阵加权和按标量加权三种最优融合规则．提出了系统公共状态的三种最优加权融合Kalman估值器,可统一处理融合滤波、预报和平滑问题。为计算最优加权,提出计算局部估计误差互协方差公式。它们可用于信号融合滤波。用增广状态方法．将待估信号看成子系统公共状态,提出了信号多传感器信息融合滤波的一种设计方法。     

统一的和通用的Kalman滤波理论

用射影理论对一般线性离散时变随机系统提出了统一和通用的Kalman滤波理论,其中系统噪声在相邻时刻是相关的,且系统噪声和观测噪声在相同和相邻时刻是相关的。提出了最优和稳态Kalman滤波器、平滑器和预报器,推广了经典Kalman滤波理论。     

一类线性时变系统模型参考自适应迭代学习辨识

针对一类有限时间区间上具有可重复性的BIBO稳定的一阶线性时变系统,将模型参考自适应辨识方法与迭代学习相结合,提出了模型参考自适应迭代学习的参数辨识算法。利用模型参考自适应辨识方法得到时变系统参数辨识结构,针对系统可重复的特点,基于Lyapunov方法得到时变参数的迭代学习律。该算法可以辨识快时变的参数,而不需要参数时变结构的信息,并可保证参数估计误差和模型输出误差有界,且沿迭代轴逐点收敛。分析了参数收敛到真值的条件,系统仿真验证了辨识算法的有效性。     

一种含积分环节系统多步预测多步控制的算法

利用Laguerre正交函数序列对空间函数的良好逼近特性,建立了线性动态系统的Laguerre函数近似模型,该模型不需要对象的阶次和时延等结构知识,通过在线辨识对象的Laguerre系数矩阵,能较好地逼近结构未知系统。另外探讨了含积分环节单变量系统的多步预测和多步控制算法,并进行仿真,结果表明该算法具有较好的控制性能。     

利用奇异值分解的二阶递归系统数值稳定性方法

为了简便地解决二阶递归系统的稳定性问题,将二阶递归系统转变为二阶离散时变线性系统,并讨论递归系统的稳定性.在二阶离散线性时变系统稳定性分析的基础上,利用奇异值分解(SVD),将其转化为参考信号(RS)系统.提出一个新的离散时变线性系统不稳定性的充分条件,并以离散正交Krawtchouk多项式与Jacobsthal数列递归式为主,讨论并推导出其在Ⅱ,Ⅳ象限上的变化情况和新的不稳定性判据.仿真结果验证了结论的准确性.     

高速卫星通信系统中的盲均衡算法研究

在卫星通信系统中,随着其信息处理速度不断提高,码间串扰的问题也日益严重,这对解调器性能造成很大影响。考虑到无线信道的时变性和随机性,引入了自适应盲均衡技术来解决该码间串扰问题,对此给出了3种盲均衡算法,即恒模算法（constant modulus algorithm,CMA）、改进的恒模算法（modified constant modulus algorithm,MCMA）和多模算法（multi-modulus algorithm, MMA）。针对不同的调制方式,从星座图,稳态误差和误码率3个方面进行了性能分析。仿真结果显示,采用自适应盲均衡技术可以降低均方误差,使得星座图变得清晰而紧凑,减小误码率,提高通信系统性能。从工程角度来看,对于8PSK,16APSK和32APSK调制,CMA算法均衡速度最快,实现复杂度最低,最适合硬件实现。对于64APSK调制,只有MMA算法对其有良好的均衡效果,故选择MMA算法完成硬件实现。     

一种增广的Laguerre模型自适应预测控制算法

论文在简述基于Laguerre函数近似模型的自适应预测控制原理、算法的基础上,将现有的仅适用于开环稳定系统的预测控制算法进行扩展,提出一种增广的Laguerre函数模型自适应预测控制算法。该算法对于开环不稳定系统和非最小相位系统同样适用。仿真结果表明基于Laguerre函数模型的预测控制方法对控制变时延、变阶次对象具有较好的鲁棒性。     

一种新的BPSK中频数字正交解调方法

基于前向结构设计思想,提出了一种适用于通用通信平台的BPSK信号中频数字正交解调方法,并给出了该解调方法中的主要算法——频偏估计算法及定时恢复算法。最后,对该中频解调方法的定时恢复算法和频偏估计算法的均方误差性能及系统误码性能进行了计算机仿真,仿真结果表明,该方法能有效地实现BPSK信号的中频数字正交解调。     

MIMO系统中基于LMS处理的自适应时变信道跟踪算法

在无线时变衰落信道环境下，提出一种用于多输入、多输出（MIMO）天线系统的自适应信道跟踪方法．在空时分组码（space-time block code，STBC）的MIMO系统中，用导频进行信道估计后，采用基于最小均方（least mean square，LMS）的改进自适应算法对时变信道进行跟踪．该方法分别跟踪信道矩阵经正交分解（QR）后的参数，定义了度量时变衰落大小的信道矩阵“对角非零因子（diagonal nonzero factor，DNF）”，并利用它来调整LMS的步长以提高对信道的跟踪能力．仿真结果表明，该方法在相同的导频开销下，与传统的用LMS算法直接跟踪信道相比，性能有所提高．     

基于Laguerre函数模型的预测控制算法

在简述基于Ｌａｇｕｅｒｅ函数近似模型的自适应预测控制原理、算法及其特点的基础上,将现有的多步预测、单步优化的控制算法扩展为多步预测、多步优化的控制算法,并与传统的广义预测控制（ＧＰＣ）作了比较研究,结果表明基于Ｌａｇｕｅｒｅ函数模型的预测控制方法对变时延、变阶次被控对象的控制鲁棒性明显优于广义预测控制     

基于梯度的结构相似度的图像质量评价方法

虽然基于结构信息的图像质量评价方法——结构相似度（SSIM）模型结构简单、评价性能优于峰值信噪比（PSNR）或均方误差（MSE）模型，但SSIM模型不能较好地评价严重模糊的降质图像．文中提出了一种基于梯度的结构相似度（GSSIM）图像质量评价方法，该方法将梯度作为图像的主要结构信息．实验结果表明，GSSIM模型比SSIM和PSNR（MSE）模型更符合人眼视觉系统特性，能较好地评价模糊图像的质量．