系统辨识的沃尔什函数方法

本文将系统辨识的沃尔什函数方法推广到一类非线性系统和时变的分布参数系统,对沃尔什函数的乘积矩阵和积分运算矩阵的性质提出一种比较简洁直观的证明方法。     

遗传算法的双线性模型参数辨识

本文以遗传算法为基础 ,提出了一种辨识双线性离散动态系统模型参数的方法。该方法能够有效地克服噪声的污染 ,获得双线性系统参数的无偏估计值。应用该算法对双线性系统进行仿真表明 ,该方法辨识精度高 ,稳定性好     

闭环系统的迭代相关校正控制设计

对于闭环控制系统中的参数化控制器的设计问题,基于系统辨识的模型检验过程,提出一种新的数据驱动法-迭代相关校正控制法。将参数化控制器的未知参数向量辨识转化为互相关函数的寻根过程,对于此寻根过程可采用随机逼近算法求解。在放松条件下,建立关于互相关函数的目标准则函数,进而利用梯度算法求解一个无约束的优化问题,且推导出终止梯度算法迭代循环的总次数。最后用仿真算例验证该方法的有效性。     

一种Volterra级数模型的简化辨识方法及其应用

针对基于Volterra级数模型的非线性系统辨识中存在的“维数灾难”问题,提出了一种基于分块最小均方(BLMS)滤波器的简化辨识方法.该方法利用影响指数的概念,在保证一定辨识精度的前提下,根据每个Volterra核函数对辨识结果贡献的大小对其进行筛选,然后用筛选出的有效核函数作为对原系统的近似,从而达到降低辨识维数,减少计算量的目的.最后,文章用一个工程实例验证了该算法的有效性.     

基于PSO的一类线性系统参数辨识方法研究

研究了一种线性系统的参数精确辨识方法;首先采用PSO(Particle Swarm Optimization,粒子群优化)方法对模型进行优化迭代,并选择合适误差准则作为粒子群优化算法的适应度函数,以迭代每个粒子所对应的参数速度和大小;在此基础上,寻找最小适应度值的粒子,推导出最优的适应度函数值,实现系统参数的实时、精确估计;最后通过实验验证了基于粒子群优化算法的参数辨识法的准确性和有效性。     

数字通信中正交沃尔什函数的构造研究

对沃尔什函数的构造进行了深入系统的研究,改进了用瑞得麦彻函数构造连续沃尔什函数的公式,提出了离散沃尔什函数编号与哈达马矩阵行号(或列号)之间相互转换的一整套方法,理顺了离散沃尔什函数编号与哈达马矩阵行号(或列号)之间关系,使得用哈达马矩阵的行(或列)构造的离散沃尔什函数与连续沃尔什函数建立了统一对应的关系,从而可以通过抽样来实现用连续沃尔什函数构造离散沃尔什函数。     

输入非线性系统的多步长搜索梯度迭代算法

采用多步长搜索梯度迭代算法对输入非线性系统参数进行辨识.相对于传统梯度迭代算法,该方法无须计算矩阵特征值以确定步长取值范围,而是借助粒子群算法思想,在每次迭代过程中随机产生多个步长,通过比较每个步长对应的代价函数大小,找出所有步长中的最优值.运用该方法对具有丢失数据的非线性系统进行辨识,仿真结果表明,与传统梯度迭代算法相比,该算法的辨识精度较高、收敛速度较快.     

宏观交通流模型的自适应迭代学习辨识策略

城市路网交通流系统具有很强的随机性和时变性，单一固定的交通流模型难以准确地描述城市路网的实际运行情况，在考虑交通流稳态和动态特性的基础上，提出了一种含有未知时变多参数的非线性宏观交通流模型，并针对交通流固有的重复性特征，设计了一种时变多参数的自适应迭代学习辨识策略。在有限时间区间内，利用迭代学习辨识策略将参数辨识问题转化为最优跟踪控制问题，使交叉口各进口道的排队车辆数均趋于真实值，利用去伪算法的实时自适应能力调整迭代学习辨识策略的学习律增益，提高辨识策略的抗干扰能力。通过严格的数学理论推导证明了该算法的收敛性，最后采用基于模型的控制方法进行仿真实验，进一步验证了该方法的有效性。     

基于最大峰度准则和遗传算法的盲辨识与盲均衡

根据最大峰度准则设计了一种针对线性系统的盲辨识与盲均衡算法.该算法在对系统参数进行估计的同时,用求逆滤波器的方法估计均衡器系数,并利用最大峰度准则不断调整系统参数的估计值,使其逼近实际值.由于采用了高阶累积量,算法对高斯噪声有较好的抑制能力.针对传统梯度搜索方法容易陷入局部收敛问题,又提出利用实数编码的遗传算法对准则函数进行最优化搜索.仿真实验表明,本算法具有快速收敛性能和高精确度等优点,能够大大提高均衡后的输出信噪比.     

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。     

基于自适应迭代UKF的纯距离目标定位算法

针对迭代无迹卡尔曼滤波(IUKF)需要人工设定迭代次数的问题,引入遗传算法中适应度函数的概念,提出一种自适应迭代卡尔曼滤波的跟踪算法(AIUKF)。该算法利用观测预测值与实际观测值、系统采样点与实际观测值的适应度函数作为评价标准,根据适应度函数的比值自适应确定是否进行迭代。仿真结果表明:新算法适用于纯距离系统,可以有效解决IUKF人工设定迭代数的问题,且算法性能与IUKF性能相当,均优于UKF性能。     

IFS用于图像压缩的初步研究

介绍了分形几何学中的迭代函数系统（ＩＦＳ），讨论了用ＩＦＳ方法对图像进行有效的压缩的可行性，提出了一种新的基于ＩＦＳ的解码算法。     

基于模拟退火布谷鸟算法的直流伺服系统静态摩擦参数辨识

针对非线性摩擦对直流伺服系统性能的影响,提出一种基于模拟退火布谷鸟算法提高摩擦参数辨识精度的方法。采用LuGre摩擦模型建立伺服系统静摩擦参数与力矩的关系表达式,并分析其稳态特性,以此构建参数辨识的目标函数。引入模拟退火中的Boltzmann选择机制,结合迭代全局最优值对布谷鸟算法发现概率的自适应性进行了增强,以改善算法的寻优效果,通过分析比较得知改进算法的时间复杂度与原算法一致。在相同摩擦参数设置下,改进布谷鸟算法的辨识精度优于传统方法,利用其辨识结果补偿伺服系统运行的非线性摩擦力矩,得到了良好的控制效果。实验结果表明,该方法可以使摩擦参数的辨识适应度值提高2~3个数量级,有效改善了系统的控制性能。     

块脉冲算子及其在控制理论中的应用(Ⅱ)——非线性时变系统中时变参数的递推辨识

本文利用(Ⅰ)中所提出的块脉冲算子,来讨论非线性时变系统中时变参数的辨识问题。以两类典型的系统(双线性时变系统和多项式时变系统)为例,分别给出了时变参数的递推辨识算法及计算机模拟结果。这种算法计算简便、精度较高。本文并进一步概括出应用这种方法去获得一般非线性时变系统参数辨识算法所应遵循的步骤,为获得更广泛的非线性时变系统的参数辨识算法,提供了新的途径。     

主动噪声抵消中初级传感器到次级声源间系统函数的辨识

提出了一种应用于主动噪声抵消系统中求解初级传感器到次级声源之间系统函数的辨识算法，简称ＰＳＩ，算法以频域最小二乘系统辨识算法为核心，首先根据实测数据用ＩＦＬＳ算法辨识出初级传感器到误差传感器之间的系统函数Ｈ，再根据实测数据用ＩＦＬＳ算法辨识出次级声源到误差传感器之间的系统函数Ｈ２，然后用模拟激励方法通过白噪声间接激发初级传感器到次级声源之间的各种模态；再次利用ＩＦＬＳ算法辨识初级传感器到次级声源之     

基于估计概率密度函数的独立分量分析方法

利用混合高斯模型,给出了估计概率密度函数算法,并利用高斯混合模型法获得了对分离矩阵的梯度学习算法,给出了一种迭代概率密度估计的独立分量分析学习算法．这种块处理方法可实现超、亚高斯混合信源的情况．最后在仿真实验过程中验证了该算法具有较高的稳定度和精确度。     

基于递阶遗传算法的模糊系统优化设计

给出一种基于递阶遗传算法的模糊神经网络优化算法, 在该算法中对每个染色体都采用递阶编码, 并提出一种改进的交叉算子, 可以同时优化模糊神经网络结构和权值参数. 算法中采用双目标函数作为适应度函数对模糊神经网络模型的精确度和复杂性进行估价, 且对应一个实际问题, 可以通过调整适应度函数的参数值确定所需模糊神经网络模型的精确度和复杂性之间的比例, 从而生成一个适当的模糊神经网络模型. 模拟实验结果验证了该算法的有效性.     

捷联惯性测量组件陀螺系统标定研究

对捷联惯性测量组件陀螺仪系统标定方案进行了研究.根据光纤陀螺系统静态误差参数模型,提出了一种在线组合标定方案和系统辨识算法,在线组合标定方法采用递推最小二乘算法对测试数据进行了在线处理,并通过该试验方案的仿真进行了验证,仿真结果表明这种方法是有效可行的.试验步骤简单,提高了标定的自动化水平.     

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。     

无小参数非线性振动方程的近似方法

本文提出了一种求解非线性方程的迭代算法 ,它不依赖于小参数 ,是先给方程一个带待定函数的试函数作为初始近似解 ,然后用拉氏乘子法构造一个迭代公式 (校正泛函 ) .试函数中的待定函数可用变分直接方法确定 ,而校正泛函中的拉氏乘子可用变分理论最佳确定 .应用这种方法不会出现长期项 ,其结果表明这种新方法是比较有效的 .