基于UD分解的改进型强跟踪滤波器

带多重次优渐消因子的强跟踪滤波器在计算舍入误差的影响下,估计状态的均方误差矩阵会失去非负定性,从而导致滤波发散的现象.在UD分解算法的基础上,提出了一种改进型带多重次优渐消因子的强跟踪滤波器.通过对引入渐消矩阵的一步预测均方误差矩阵进行UD分解,并将分解矩阵应用于滤波器量测信息的更新过程中,增强了算法的数值稳定性.此外,根据UD分解的结果给出了渐消矩阵的最小二乘解算方法,在提高渐消因子计算效率的同时摆脱了对先验知识的依赖性.仿真结果表明了算法的有效性.     

降秩最小二乘通道估计算法的性能分析

降秩最小二乘通道估计算法有效地改进了通常的最小二乘对通信通道脉冲响应的估计,本文中我们对此算法的估计均方误差性能进行了定量的分析,文中给出了算法估计的均方误差的近似表达式。模拟实验结果验证了文中理论的正确性。     

基于二阶锥规划的自适应均衡算法

提出一种改进的均衡器算法。该方法基于最小均方误差（minimum mean square error, MMSE）准则,使均衡器的输出与训练码的均方误差最小,并且将信道均衡的最小均方误差目标函数转化为二阶锥形式,利用内点法求最优解。与传统基于最小均方误差（least mean squares, LMS）和递归最小二乘（recursive least squares, RLS）自适应算法的均衡器相比,由于不需要迭代收敛过程,不存在收敛速度与精度的矛盾,克服了基于LMS和RLS的自适应均衡器参数设置的困难,而且利用更短的训练序列长度即可获得相同的均衡效果,对于改善通信效率具有参考价值。     

时用水量预测的自适应组合动态建模方法

利用随机过程及时间序列分析手段,根据用水量序列季节性、趋势性及随机扰动性的特点,建立了用水量预测的自适应组合平滑模型。利用递推最小二乘算法及卡尔曼滤波算法解决了模型参数的动态估计问题。该法经实例验证,预测误差较小,可满足供水系统调度的实际需要。     

MIMO雷达约束总体最小二乘改进算法

针对多输入多输出MIMO雷达目标定位系统中基于最小二乘算法的AOA定位精度低的缺点,分析出造成这一缺点的原因是系数矩阵存在误差.进而利用系数矩阵误差存在相关性的特点,提出用约束总体最小二乘法进行目标定位,推导了定位均方误差公式.计算机仿真证明该方法比普通最小二乘法具有更好的定位性能.     

加权随机汇池网络中递归最小二乘算法研究

实际应用中信号和噪声的统计知识经常是未知的,为探究未知噪声环境中加权随机汇池网络模型的信号参数估计性能,本文研究了加权随机汇池网络中信号估计的递归最小二乘自适应递推算法,分析了该模型下算法的收敛性、均方误差、学习曲线等统计特征。在非平稳输入信号下,引入遗忘因子,探究了算法有效跟踪信号变化的能力。实验结果验证了关于算法收敛性与均方误差性能的理论分析,同时还证实了自适应过程中的超阈值随机共振现象。本文研究结果对于加权随机汇池网络的实际应用具有理论指导义。     

误差反馈的正交小波均衡器结构与算法研究

在基于离散正交小波变换的基础上，结合传统的判决反馈自适应均衡算法，提出一种基于误差反馈的离散正交小波判决反馈均衡器结构和算法。对前馈滤波器用一组规范正交小波及其对应的系数来表示，后馈滤波器包含了误差反馈和判决反馈。并在此基础上，给出了自适应均衡算法。谊算法的优点是将离散正交小波变换和误差反馈相结合，利用小波变换的去相关能力在小波域中通过归一化的最小均方误差算法来提高收敛速度，利用误差反馈来减小误差信号之间的自相关性，以获得更小的均方误差（MSE）和误码率。     

变遗忘因子相关函数自适应滤波算法

相关函数递推最小二乘(CRLS)算法在回波消除中双方对讲情况下是有效的,但其计算复杂度较高。把相关函数最小二乘准则中的遗忘因子视为时变的遗忘因子,应用最速下降法使当前时刻的方向矢量正交于前一时刻的方向矢量,从而获得时变的遗忘因子的表达式,得到一种新的相关函数自适应滤波算法。该算法的计算复杂度比相关函数递推最小二乘算法的要低。计算机数值仿真结果表明,新算法的收敛性能和相关函数递推最小二乘算法的收敛性能相当。     

基于组合式信号源的非线性系统辨识

针对非线性系统中噪声的干扰,研究了一类神经模糊Hammerstein输出误差非线性系统的建模和辨识方法,利用组合式信号源实现静态非线性模块和动态线性模块参数辨识的分离,推导了相关性分析法和辅助模型递推最小二乘辨识方法估计动态线性模块和非线性模块的参数,有效抑制系统输出噪声的干扰。仿真结果表明：与最小二乘算法、多项式模型以及多信息方法相比,提出的方法具有参数估计收敛速度快,辨识精度高,建模误差小等优势,验证了所提学习算法的有效性。     

偏最小二乘相关算法在系统建模中的两类典型应用

讨论了偏最小二乘回归（PLSR）的相关算法对两类典型实际系统建模的有效应用。分析了传统的偏最小二乘回归批处理算法及由此产生的一种简化算法的基本原理和技术特点，在此基础上，对原有的递推算法进行了一定程度的改进，直接采用自变量主元t的回归系数矩阵P和R来取代旧的数据信息，从而进一步简化了计算过程，针对上述两种算法的特点，分别对无人机费用模型（少样本，多变量）和切削力峰值模型（多样本，少变量）参数进行了估计计算，说明了各自算法的应用优势。     

GPC隐式算法及其在供热控制中的仿真研究

基于理论研究和工程应用的需要，提出了广义预测隐式算法。首先介绍了具有滤波器的模型已知的基本广义预测控制（GPC）算法，然后给出了两种隐式自适应算法，一种是已知对象阶跃响应前P个参数的算法，这种算法既不需要在线递推求解Diophantine方程，也不需在线求逆；另一种是一次辨识控制器参数的算法。最后以集中供热热力站热交换过程为应用背景，对基本算法和两种隐式算法进行仿真研究，其结果证明了算法的有效性。     

基于加权最小二乘支持向量机的温室小气候建模与仿真

分析了温室小气候系统结构,采用加权最小二乘支持向量机回归方法在线建立温室小气候模型,并进行仿真研究,取得了较好的效果.最小二乘支持向量机中引入加权因子,使其回归估计对非高斯分布噪声及野点数据具有较好的鲁棒性.最后将此方法和带有智能监督级的渐消记忆递推增广最小二乘方法的在线建模及仿真结果进行了对比分析.     

自适应变步长LMS滤波算法及分析

为了提高最小均方（LMS）自适应滤波算法的性能,通过建立步长因子与误差信号之间的非线性函数关系,提出一种自适应变步长LMS算法。该算法具有初始阶段和时变阶段步长自适应增大和稳态阶段步长很小的特点,消除了不相关噪声的影响,并且进一步克服了Sigmoid函数变步长LMS算法在自适应稳态阶段步长取值偏大的缺陷,计算机仿真结果与理论分析相一致,证实该算法优于传统算法。     

扩频系统自适应时变LFM干扰对消算法

线性调频(LFM)是扩频系统中常见的一种宽带干扰样式。提出了一种基于离散观测数据估计干扰参数的自适应时变LFM干扰对消算法,通过仿真分析了该算法的性能。结果表明,所提出的方法克服了复数自适应滤波器对LFM干扰的抑制能力随LFM信号扫频速率增加而降低的缺点;与基于时频分析的自适应时变LFM干扰对消算法相比,其运算量大大减小,是一种实用、有效的LFM干扰抑制算法。     

基于OLS算法的RBF神经网络高速公路事件探测

高速公路事件是指破坏正常交通流并造成交通阻塞的非重现随机发生的事件。事件发生后对其进行快速可靠的探测对减少交通延误、保障道路安全、减少环境污染具有十分重要的意义。文中提出了一种基于模糊聚类技术和RBF神经网络的混合智能高速公路事件自动探测算法，同时改进了用于RBF神经网络训练的OLS(正交最小二乘)选择算法。仿真实验证明，改进的OLS选择算法大大提高了RBF神经网络的训练速度，同时具有无须事先确定RBF中心的优点，将之运用于公路事件探测可以获得满意的性能。     

基于阶跃响应的带纯滞后闭环辨识新方法

先进控制成功应用的关键是精确模型的建立,传统的辨识方法受测试条件和稳定生产要求的制约,难以在工业现场得到满意的应用。根据大量工业现场的需求提出了一种新型的针对带有纯滞后环节的连续系统,基于阶跃响应测试的闭环辨识方法。该方法采用带控制器的迭代辅助变量最小二乘法,解决了纯滞后时间估计和闭环系统可辨识性的问题。采用Monte Carlo实验验证了该算法的无偏性和有效性,通过仿真研究和实际应用表明该方法具有较高的精度和较强的鲁棒性,并能够适用于非自衡对象。

Abstract：

The key factor for the successful application of advanced process control （APC） is the accuracy of the model. But the conventional identification methods was restricted by the requirement of simple testing and steady production,so they were used to provide unsatisfactory results in actual industrial plant. To solve that problem,a novel closed-loop identification algorithm was proposed to continue system with time delay based on the test of step response. Iterative Instrumental Variable Least Squares method with controller was used in the algorithm to solve the difficulty of identification of delay time and identifiability of close loop systems. Unbiasedness and validity were validated by Monte Carlo testing. It is illustrated that the algorithm is very accurate and robust by simulation and application. And integrating process is also applicable.     

试验温室温度系统建模与仿真

温室小气候具有强非线性、大时滞、强耦合、强干扰、时变等特点.为更好地设计温室小气候计算机监控系统,需要对其建模和仿真,以便比较控制方案、检验控制算法.在分析温室温度系统机理模型的基础上,选择MISO的ARIMAX模型描述温度系统,根据试验温室实测数据,采用"统计假设检验"和"模型拟合度检验"相结合的方法确定模型结构,通过递推增广最小二乘法估计模型参数,并进行了仿真研究.     

一种新的正弦信号频率估计方法

将二阶陷波器进行级联,构造一个具有多个陷波频率的自适应陷波器,实现对多个信号频率的估计。各个二阶陷波器的参数采用LMP(least mean power)算法同时进行优化,并利用该参数得到信号的频率。仿真结果表明,该方法在不同信噪比下对于稳定的单频、多频信号和频率变化信号具有较好的估计结果;噪声干扰在一定程度上影响频率的估计精度和估计速度。     

基于LS-SVM的燃料电池控制建模的研究

由于直接甲醇燃料电池数学模型的复杂性难以满足工程上对DMFC控制系统的设计，提出一种基于最小二乘支持向量机建模算法，用具有RBF核函数的LS-SVM离线建立DMFC电堆的非线性模型；仿真和实验结果表明了该建模方法具有建模简单、模型精度高等优点，亦证明了该算法的有效性和优越性。研究结果对直接甲醇燃料电池控制系统的建模和控制具有一定的实用价值。     

基于T-S模糊模型的非线性自适应逆控制系统

现在非线性自适应逆控制系统中，由于对象模型和逆控制器均采用非线性自适应滤波器，自适应过程需要同时训练至少两个串联的非线性自适应滤波器，从而造成自适应学习过程过于复杂。利用一组自适应LMS滤波器建立非线性对象的T-S模糊模型，它为逆控制器的学习提供了准确的解析的对象模型Jacobian信息，从而有效简化了自适应逆控制学习过程。仿真结果表明，无论是离线建模还是在线建模，该非线性自适应逆控制方法均能取得理想的控制效果。