利用高阶统计量进行非最小相位FIR系统识别研究

该文将高阶统计量应用于线性，时不变非最小相位ＦＩＲ系统的识别问题。对由非高斯、非对称分布白噪声激励的非最小相位ＦＩＲ系统，当仅已知其输出信号（可能含有噪声）时，该文提出一种利用输出信号三阶，四阶累积量进行系统辨识的新算法，在计算机仿真中，将该算法与ＧＭ法和Ｔ法进行比较，结果表明，当输出信号中含有高斯有色观测噪声时，新算法的处理效果明显好于ＧＭ法和Ｔ法。     

一种具有SA预报能力的GPS KALMAN滤波器

对ＧＰＳ定位中的ＳＡ误差作了系统辨识。表明：ＳＡ误差可用时变ＡＲ（ｐ）模型表述，ＡＲ（ｐ）的时变参数可由ＲＬＳ算法结合Ｆ判据建立的ＡＲ（ｐ）模型辨识机获得。用该方法获得的模型对ＳＡ误差进行预报，在剔除野值后精度在１０ｍ之内。还提出了一种将以ＡＲ（ｐ）模型表述的ＳＡ误差加入ＧＰＳ ＫＡＬＭＡＮ滤波器的方法，可得到一种具有ＳＡ预报能力的ＧＰＳ ＫＡＬＭＡＮ滤波器。     

系统辨识的频域最小二乘算法

提出了一种用于求解有限脉冲响应系统函数和脉冲响应的频域最小二乘算法（ＲＦＬＳ），可应用于非实时系统辨识。本算法具有精度高、运算量小、易于实现和能够达到很高阶数的特点。给出了算法的推导论证、定阶和实用问题的讨论以及计算实例。     

基于径向基函数网络的混沌时间序列分析

给出了基于径向基函数网络的混沌时间序列预测的方法。利用非线性自回归移动平均（ＮＡＲＭＡＸ）模型对非线性时间序列进行辨识并给出基于动态径向基函数（ＲＢＦ）网络的辨识算法。将这一方法应用到Ｈｅｎｏｎ映射的混沌时间序列的嵌入维估计及我国股票市场的混沌现象的实证研究,得到理想的结果。文章最后指出了进一步的研究方向。     

电液力伺服系统的实验建模与参数估计

基于递推最小二乘估计对Ｌｅｖｙ－Ｓａｎａ．辨识进行了改进，提高了建模的精度与速度；并结合Ｆ准则解决了系统阶次与时滞的确定；利用Ｓｏｌａｒｔｒｏｎ１２５０ＦＲＡ及其１０９６ＤＭＳ做为测试系统和软件开发工具，进一步增强了辨识程序包的实用性     

非线性大系统分散型参考自适应控制

提出了大系统的分散模型参考自适应控制（ＤＭＲＡＣ）算法，在存在参数变化、内部扰动及系统非线性时，证明了新的自适应控制算法具有稳定性和鲁棒性，模拟例子也说明了本结论是正确的     

还原态铁／活性炭催化剂的聚苯乙烯包膜研究

用聚苯乙烯对还原后极易氧化的Ｆｅ／Ａｃ（铁／活性炭）催化剂作包膜保护，其方法简易。包膜后的实验结果：在穆斯堡尔谱（ＭＢＳ）测定中，样品中超顺磁体小颗粒的Ｆｅ２Ｏ３含量增高５％；但在Ｘ射线衍射（ＸＲＤ）及红外光谱（ＩＲ）的测定中，包膜后的测定结果理想，表明还原样品可用聚苯乙烯包膜后，在大气中进行非原位条件下的ＸＲＤ和ＩＲ等测定     

依据高阶累积盲解卷积

对盲均衡（盲解卷积）提出了两种三阶累积量的基本算法，在算法中依据非因果的ＡＲ（自回归）模型及与逆滤波器系数相关的方程，把非最小相位系统的盲均衡问题转化为解相应的线性方程组的问题，保证了这种解法的唯一性。在算法中仅利用了累积量的对角线切片，从而使该算法简单、准确。仿真实验结果表明，该算法是可行有效的     

非线性大系统分散模型参考自适应控制

提出了大系统的分散模型参考自适应控制（ＤＭＲＡＣ）算法，在存在参数变化内部扰动及系统非线性时，证明了新的自适应控制算法具有稳定性和鲁棒性，模拟例子也说明本了结论是正确的。     

一种具有SA预报能力的GPS滤波器

对ＧＰＳ定位中的ＳＡ误差作了系统辨识。表明：ＳＡ误差可用时变ＡＲ（Ｐ）模型表述,ＡＲ（Ｐ）的时变参数可由ＲＬＳ算法结合Ｆ判据建立的ＡＲ（Ｐ）模型辨识机获得。用该方法获得的模型对ＳＡ误差进行预报。在剔除野值后精度在１０ｍ之内,还提出一种方法,可得到具有ＳＡ预报能力的ＧＰＳＫＡＬＭＡＮ滤波器。     

基于Nonnegative Garrote的ARX和ARMA模型定阶方法

针对传统ARX和ARMA模型定阶方法计算量大和稳定性不强的缺点,提出采用非负绞杀法对ARX和ARMA模型进行定阶。通过分析ARX和ARMA模型的特点,对常规非负绞杀方法进行了改进,使其更适用于动态系统辨识问题,进而给出了相应的求解算法。仿真实验的结果表明了该方法的有效性,且在稳定性上优于传统的信息量准则法。     

基于“T-tube”模型的中心动脉脉搏波双通道盲辨识

提出了由两路人体外周动脉脉搏波(peripheral artery pulse wave,PAP)来估计中心动脉脉搏波(central aortic pulse wave,CAP)的多通道盲辨识(multi-channel blind system identification,MBSI)方法,旨在实现心血管系统中心动脉脉搏波的实时无创连续监测.首先简单介绍了多通路盲辨识算法,并证明了心血管系统IIR模型特性可由FIR模型逼近,从而简化了MBSI算法.然后介绍了心血管"T-tube"模型,并结合两路外周动脉实测(肱动脉、股动脉)脉搏波来重建中心动脉脉搏波和辨识模型.结果表明,MBSI算法稳定性较好,估计出的CAP波形畸变率百分比小于6%、形态整体能量误差百分比小于3%.     

基于分数信号处理的变步长自适应振动主动控制方法研究

针对自适应振动主动控制系统中次级通道的辨识精度严重影响振动控制效果的问题,分析了常规的次级通道在线辨识算法存在的问题,提出一种基于分数信号处理的双步长两阶段变步长策略的次级通道在线辨识方法。该方法使用基于分数信号处理的自适应算法代替传统的最小均方(least mean square, LMS)算法进行次级通道的在线辨识,同时给出了一种双步长的两阶段变步长策略,在次级通道辨识环节收敛前后应用不同的变步长策略以提高辨识精度和降低辨识环节的波动。仿真结果表明,与现有方法比较,该方法的次级通道辨识收敛速度更快,系统收敛后的波动更小,次级通道的辨识精度和系统的稳定性都有了明显的提升。经验证,该方法有效解决了常规的次级通道在线辨识算法收敛速度慢、辨识精度低和辨识环节波动大等问题,具有更好的振动控制效果。     

基于改进GFCC特征参数的广播音频语种识别

针对广播音频语种识别中与语种识别无关的特征对识别结果产生影响的问题, 提出一种基于伽马频率倒谱系数的改进特征参数的语种识别方法. 通过提取每帧信号的能量谱包络, 去除部分与说话人相关的特征, 采用Gammatone滤波器组滤波, 经离散余弦变换后再进行倒谱提升, 得到改进的伽马频率倒谱系数特征参数. 将广播音频信号提取特征参数输入隐Markov模型中进行训练测试, 得到的语种识别结果表明, 该方法有效提升了广播音频语种识别的准确率, 优于目前使用的伽马频率倒谱系数特征及其衍生方法.     

跳/扩频测控信号自适应波束形成方法

为解决跳/扩频测控中阵列天线设计所面临的信号频带宽、空域范围广、干扰强度大等问题,将线性约束法与二阶锥规划方法相结合,得到能够同时满足频率不变、方向不变的波束形成算法.利用二阶锥规划将波束形成器的设计转化为给定频率响应的FIR滤波器设计,针对用于宽带波束形成的FIR滤波器的非线性相位特点,采用最小均方误差准则,使所设计FIR滤波器的频率响应逼近于期望滤波器.通过增加约束条件,使不同空间指向的主瓣宽度基本保持不变,并在干扰方向形成宽零陷来有效抑制宽带干扰.仿真计算表明,在跳/扩频信号的工作频带内,波束方向图能够保持很好的频率不变特性,且在±60°范围内波束方向图的主瓣束宽、增益、零陷与参考波束基本保持一致,能够更好地满足航天测控任务对阵列天线的需求.     

基于特征融合方法的车型识别研究

车辆音频信号具有复杂的特征,单一特征提取方法不能全面反应该特点。为了使提取的音频信号特征能更好地反映车辆原始信号,本文提出了将已有的短时能量(ENERGY)、短时傅里叶变换（STFT）及梅尔倒谱系数（MFCC）特征提取方法进行融合的方法,依据支持向量机（SVM）的分类识别算法,达到车辆识别的目的。实验表明,提出的组合方法优于单一提取方法,实现了提高识别率的目标,其中,ENERGY+MFCC组合方式效果最好。     

基于NLMS线性相位FIR滤波器的自适应设计

在以往具有线性相位的滤波器自适应方法中,最常用的是最小均方（ＬＭＳ）方法。但用此法设计时必须小心地选择迭代步长,同时还可能遇到梯度噪声放大问题。文中提出了一种用于设计具有线性相位的有限冲击响应（ＦＩＲ）滤波器自适应方法。它用经过改进的归一最小均方（ＮＬＭＳ）算法来保证所得结果具有线性相位,且克服了梯度噪声放大问题,同时也不必选择步长。进一步的改进使它的计算更高效,实时实现更方便。     

基于自回归时序盲辩识的机械故障诊断

提出了一种自回归(AR)模型的盲辨识的算法，该算法与传统AR模型的辨识算法的区别在于它可同时确定AR模型的阶次和参数，而不需事先确定AR模型的阶次或假定AR模型的阶次已知，其特点是计算量小，具有很好的收敛性，并在此基础上将AR模型的盲辨识方法应用到机械故障诊断中．     

基于概率理论和AR/GARCH模型的非线性损伤识别

为了解决在不确定因素干扰下的结构非线性损伤识别问题,提出了基于概率理论和自回归/广义自回归条件异方差(AR/GARCH,autoregressive/generalized autoregressive conditional heteroskedasticity)混合模型的非线性损伤识别方法。描述了AR/GARCH模型的组合理论及其相应的组合公式,给出了模型参数估计和定阶方法。利用损伤前后的加速度响应信号构造AR/GARCH模型,并进一步提取出非线性损伤特征因子。采用概率理论和置信区间方法获取相应的损伤存在概率,并建立基于层间刚度的基本概率损伤指标。在此基础上,基于权化技术提出了改进概率损伤指标以提高识别可靠性。数值计算和实验验证结果表明,基于概率理论和AR/GARCH模型的损伤技术可以较好地解决不确定因素干扰下的非线性损伤问题,改进概率指标的识别效果明显优于基本概率指标。     

一种基于修正倒谱平滑技术改进的维纳滤波语音增强算法

传统的倒谱平滑维纳滤波算法在求取选择性平滑范围时,噪声会对维纳增益函数的倒谱产生影响,使估计出的选择性平滑范围不正确,进而导致此传统算法在平滑掉音乐噪声的同时也影响了噪声抑制效果。为此提出了一种基于修正倒谱平滑技术改进的维纳语音增强算法,该算法先用最大似然准则估计出纯净语音的倒谱,然后在纯净语音倒谱中求取基频和共振峰的位置,进而得到选择性平滑的范围。该方法提高了选择性倒谱平滑的准确性,进而改善了传统倒谱平滑维纳滤波语音增强算法的噪声抑制效果。最后在不同的噪声场景中对传统算法和改进算法进行了仿真对比,表明该算法能够在去除噪声的同时更好地保留语音的特征结构,较好地提高了带噪语音的质量。