考虑记忆交叉项的宽带功放行为建模方法

针对宽带功率放大器的强记忆效应,提出了一种前馈交叉记忆多项式模型。该模型由主信号对消和畸变注入两个环路构成。信号对消环路采用记忆多项式模型对带内动态线性记忆效应进行建模;畸变注入环路采用记忆时刻信号间的交叉记忆项对带外扩展频谱行为进行建模。为克服最小二乘法在模型辨识中带来的数值不稳定问题,采用共轭梯度的方法对模型的参数进行辨识。为消除噪声和测量误差对模型参数辨识带来的影响,采用ADS软件包络仿真的方法获取精确的功放输入输出信号复包络数据,并对该模型进行充分的性能分析和评估。实验结果表明,所提方法对宽带功放的非线性动态特性具有很好的逼近能力,特别是带外频谱扩展特性,较之常用的方法提升了近10 dB。     

土壤侵蚀高维指数非线性模型及其参数辨识

针对常规土壤侵蚀统计模型适应性不强、模拟精度欠佳等问题,对灰色离散序列高阶动态模型进行扩展,建立了多变量高维指数非线性模型,提出非线性参数的搜索-辨识方法.参数搜索-辨识较为简便易行.该模型具有信息包容量大、模型结构开放性强、适应性广泛等特点;利用实测数据模拟结果表明,复相关系数R2＞0.96,平均误差率δ＜15%;模拟优度大大提高,模拟精度可满足工程应用的要求.     

噪声调频干扰下的一种雷达目标检测方法

分析了Morlet小波变换的性质,利用Morlet小波变换在时间、频率局部化信号的能力,提出了一种噪声调频干扰下的雷达目标检测方法.运用该方法对雷达信号进行小波变换和相关处理,可极大限度地抑制噪声调频干扰和白噪声,由相关函数的峰值对雷达目标进行检测.仿真结果表明,该方法能够在噪声调频干扰下,有效地进行雷达目标检测.     

神经自适应动态面控制与仿真

针对一类严格反馈不确定非线性系统,提出了一种神经自适应动态面控制器的设计方案.该方案改进了动态面的虚拟输入和真实输入以减小DSC的保守性,并将不确定分解为线性参数部分和非线性参数部分,两部分分别辨识.用一个BP神经网络逼近系统中所有的非线性参数部分,所需辨识的参数较少.通过合理选取设计常数,可保证所有信号最终一致有界且跟踪误差可收敛到原点的一个小邻域内.     

混沌时序重构及上海股票指数预测的应用研究

应用非线性自相关混沌模型,采用神经网络和小波理论相结合的方法对模型参数进行辨识,其辨识的准确程度较高.通过对混沌时序进行预处理和傅立叶滤波,然后再进行重构和预测工作其效果良好;文章采用该模型对上海证券市场的600062号股票数据的开盘、最高、最低、收盘价数据进行了建模和模型中参数辨识的工作,其预测的结果比较准确.     

基于RBF神经网络的柔性机构动态响应辨识模型

通过神经网络技术对柔性机构复杂的非线性动态响应进行辨识,建立了柔性机构运动参数的辨识模型。利用径向基函数(radial basis function,RBF)神经网络优异的非线性逼近能力,建立了柔性机构动态响应的辨识模型。将机构的驱动力矩、阻尼力矩和非线性运动参数分别作为RBF神经网络的输入样本和期望输出样本。建立了RBF神经网络的拓扑结构,利用样本数据对其进行训练。通过空间站柔性展开机构模型进行动态响应的辨识,结果表明辨识的收敛速度快,精度高。该方法为复杂大系统的建模和分析提供了一种理想的途径。     

混沌信号的马尔可夫模型降噪

基于马尔可夫模型的思想,提出了一种混沌信号的小波域统计降噪方法.利用对偶树复小波对信号进行小波分解,保留最高尺度上的尺度系数不变,对分解后的高频小波系数建立隐马尔可夫树模型.采用期望最大化算法估计该模型的参数,结合经验贝叶斯方法估计源信号的小波系数,再用对偶树复小波逆变换得到降噪后的混沌信号.该模型具有近似平移不变性,计算复杂度小且能够捕获小波系数邻域的统计特征.仿真中分别对叠加不同强度高斯噪声的Lorenz混沌信号及实测远红外激光器产生的混沌信号进行了研究.结果表明了该方法的有效性,且能够较好地校正相空间中点的位置,逼近真实的混沌吸引子轨迹.     

一种直升机舵机的GFRF模型辨识方法

改进了以多音组合正弦信号为持续激励信号的非线性系统GFRF非参数模型辨识方法。并成功地利用该方法辨识出某型直升机并联电动舵机的GFRF模型．实践表明，改进后的辨识方法辨识精度高且稳定，只需很小的计算量和数据存储空间，是一种有效的非线性系统辨识方法，具有重要的工程实际应用价值．     

基于支持向量机的非线性动态系统辨识方法

讨论了辨识一类非线性系统模型的方法。先假设原非线性动态系统可由静态非线性子环节和动态线性子环节串联——H模型来表示。将H模型的非线性方程转换为类线性形式,从而建立线性过渡模型。对原始测量数据进行组合运算获得线性中间模型的训练样本集,并通过支持向量机线性回归算法求取过渡模型参数。最后再建立过渡模型与H模型系数之间的关系,从而反推出非线性模型参数,实现非线性动态系统辨识。仿真结果表明了该方法的有效性。     

一类非线性系统盲辨识算法及仿真研究

针对离散非线性系统盲辨识问题,提出了一种基于循环平稳输入的非线性系统盲辨识方法。利用循环平稳输入信号的一阶统计特性和Hammerstein-Wiener模型非线性部分的逆映射,将有输入信号的辨识过程转变为无输入信号的辨识过程。介绍了Hammerstein-Wiener模型的结构及循环平稳输入的统计特性,对盲辨识算法机理进行了阐述。仿真结果表明该方法在解决一类离散非线性系统盲辨识问题上的切实可行性。     

用于多分量线性调频信号的自适应核分布

首先分析了自适应高斯核函数的局限性,并作了改进,同时给出了其参数估计方法。然后,基于线性调频信号模糊度函数特征,提出了一种新的自适应核函数。两种新的核函数的宽度对信号长度具有自适应能力,所以在获得了一定的交叉项抑制能力的同时,避免了较大的信号自项能量损失。不仅对更一般的多分量线性调频信号具有适用性,而且简化了参数的求解。因而,相对于自适应高斯核函数而言,两者性能更优。仿真结果验证了本文方法的有效性。     

Modified L-P小波最小二乘支持向量机及在动态系统辩识中的应用

为了提高动态系统的辩识品质,提出了-种新的可调带宽多维支持向量小波核函数-modifiedL-P小波核函数.理论E证明了这种核函数是满足平移不变核定理的支持向量核函数.由于该核函数具有平移伸缩正交性,而且适用于信号的局部分析、信噪分离和突变信号的检测,从而提升了支持向量机的泛化性能.应用Modified L-P小波核作为最小二乘支持向量机的核函数,可以简化计算复杂性,提高学习效率.回归实验和动态系统辩识的仿真结果表明,Modified L-P小波核函数最小二乘支持向量机的建模和逼近能力优于基于L-P小波核函数或高斯核函数最小二乘支持向量机,更适合工程应用.     

一种基于组合核函数的非线性盲源分离方法研究

核函数方法由于其有效性和简洁性在非线性盲源分离问题的探索中得到了应用,但其单一核的映射不能很好解决完全非线性问题。针对这一不足,提出了一种采用组合核函数分离非线性混合信号的方法。通过引入变化尺度因子将不同核函数纳入一个整体成为组合核函数,利用分离信号的互信息作为目标函数来反馈调节该组合核函数的尺度因子,以此寻找到对不同非线性的最佳映射。仿真结果证实了该算法的有效性,且在解决完全非线性问题时,组合核函数比单一核函数具有更好的性能。     

基于遗传算法的改进径向基支持向量机及其应用

通过对径向基核函数进行分析后发现:根据样本各个特征的识别能力赋予其不同大小的核参数,可以提高支持向量机的推广能力。此结论基础上,提出了一种基于遗传算法的多核参数径向基支持向量机算法,通过遗传算法最小化验证误差,实现了根据各个特征的识别能力赋予其不同大小的核参数。将该算法用于轴承故障诊断,实验结果表明,与传统支持向量机相比,多核参数径向基支持向量机具有更好的推广能力,同时,核参数的大小反映了对应特征识别能力的大小。     

用二维DCIM计算分层媒质中场源点不同层时的格林函数

采用二维离散复镜像法（discrete complex image method, DCIM）计算分层媒质中场点和源点不在同一层时的格林函数。运用二维旋转子空间不变法(estimation of signal parameters via rotational invariant technique, ESPRIT)将谱域核函数表示成二维指数级数的形式，利用Sommerfeld恒等式得到场源点不同层情况下空域内的闭式格林函数，避免了插值方法的繁琐运算。数值仿真结果证明了其正确性和有效性。     

系统辨识中支持向量机核函数及其参数的研究

具有不同核函数和参数的支持向量机（SVM）的性能存在很大差异，核函数及其参数的选择是SVM应用和理论研究中的一个重要问题。在简要介绍非线性系统辨识的支持向量机方法后，重点对常用的核函数及其参数的选择进行了研究，并采用具有不同核函数的SVM进行非线性系境辩识。大量实验结果表明，采用SVM方法进行系统辨识时，径向基核函数（RBKF）比其它核函数的辨识效果好，且RBKF的参数选择较容易，当参数在有效范围内改变时，空间复杂度变化小，易于实现。因此，RBKF是系统辨识SVM的较好选择。     

一种改进的Morlet小波瞬态信号检测算法

噪声中的瞬态信号检测在雷达信号处理领域占据非常重要的地位。本文利用小波变换的性质,提出一种改进的Ｍｏｒｌｅｔ小波的瞬态信号检测算法。该算法在Ｍｏｒｌｅｔ小波基础上引进了线性变换的调频系数以提高小样本超宽带信号检测的检测精度。对实际实验数据及仿真信号的检测结果表明,该方法在低信噪比小样本情况下,对瞬态超宽带信号具有很好的检测性能。     

自适应核时频分布在抑制交叉项中的应用

分析了固定核函数时频分布在抑制交叉项方面的局限性以及基于信号特征的自适应时频分布对时频分辨率的改善。通过对基于信号特征的径向高斯核时频分布进行改进,提出了一种基于信号特征的自适应核时频分布的改进算法。该算法采用短时模糊函数和随时间变化的自适应核,能够在时频分布中区分出多分量信号的细节部分。仿真结果表明,该分布具有较高的时频分辨率,且无交叉项干扰。同时它还适合分析长时间信号和实现在线信号处理。     

Application of wavelet support vector regression on SAR data de-noising

A new filtering method for SAR data de-noising using wavelet support vector regression (WSVR) is developed.On the basis of the grey scale distribution character of SAR imagery,the logarithmic SAR image as a noise polluted signal is taken and the noise model assumption in logarithmic domain with Gaussian noise and impact noise is proposed.Based on the better performance of support vector regression (SVR) for complex signal approximation and the wavelet for signal detail expression,the wavelet kernel function is chosen as support vector kernel function.Then the logarithmic SAR image is regressed with WSVR.Furthermore the regression distance is used as a judgment index of the noise type.According to the judgment of noise type every pixel can be adaptively de-noised with different filters.Through an approximation experiment for a one-dimensional complex signal,the feasibility of SAR data regression based on WSVR is confirmed.Afterward the SAR image is treated as a two-dimensional continuous signal and filtered by an SVR with wavelet kernel function.The results show that the method proposed here reduces the radar speckle noise effectively while maintaining edge features and details well.