有色噪声干扰系统的参数辨识递推算法

为了辨识受有色噪声干扰的系统参数,提出一种递推算法。该算法由系统部分的参数估计和噪声部分的参数估计2部分组成。系统参数估计采用的是包含当前预报误差和之前估计误差的递推算法辨识。噪声部分参数则是采用扩展的最小二乘算法辨识。该文对新的递推算法进行了仿真,实验结果显示该算法能够降低噪声对参数估计的影响,减小估计误差,较精确地辨识出受有色噪声干扰系统的参数。     

广义最小二乘限定记忆参数辨识方法与仿真研究

最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计.可用于离线估计,也可用于在线估计.最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用.但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力.广义最小二乘递推算法解决了模型噪声是有色噪声时,最小二乘参数估计的无偏性和一致性问题,并能给出噪声模型的参数估计值,但依然存在数据饱和问题.论文在广义最小二乘递推算法的基础上引入限定记忆方式,获得了广义最小二乘限定记忆参数估计递推算法(RFMGLS),解决了广义最小二乘递推算法的数据饱问题.仿真结果表明了RFMGLS算法的有效性.     

一种系统在线辨识算法的改进研究

研究了线性单输入单输出系统在线辨识的递推算法．为确保复杂的智能控制有更充裕的时间，在保证辨识精度的情况下，提出了减少参数辨识运算量的变步长递推算法．传统的递推最小二乘法采用的方式是每获得一组新观测数据就修正一次参数估计值，而变步长递推算法增加了改变每次修正参数估计值前获得新观测数据的组数，合并了一些重复的运算．对该算法进行了推导，并给出了参数误差的差分方程，在理论上证明了算法的收敛性．仿真和实验表明，该算法的运算量有明显减少，而收敛速度和辨识精度几乎没降低．     

CARMA模型离线最小二乘迭代辨识方法

基于迭代最小二乘原理,提出了辨识CARMA模型和输出误差模型参数的最小迭代算法。两个最小二乘迭代算法分别比递推增广最小二乘算法和辅助模型递推算法具有更高的参数精度和具有很快的收敛速度。最小二乘迭代辨识的基本思想是:采用交互估计理论和递阶辨识原理,在每步迭代计算中,参数估计依赖于噪声估计,反过来噪声估计通过前一次迭代的参数估计计算,二者执行了一个递阶计算过程。最后用仿真例子验证了提出的算法。     

输出过采样闭环系统辨识方法中最优过采样率的选择

提出了一种基于输出过采样技术的线性离散时间闭环系统辨识方法 ,通过对输出端施加过采样 ,将原闭环系统模型转化为过采样模型 .对于输出端白噪声、有色噪声干扰 ,分别利用最小二乘辨识算法和误差预报算法辨识出过采样模型 ,进而计算出原闭环系统的模型参数 .辨识结果中模型参数的估计误差服从均值为0的正态分布 ,方差由过采样率决定 ,据此推导出了使参数估计误差最小化的最优过采样率的计算方法 .该方法实现简单 ,运算量小 ,估计精度高 .仿真实验表明 ,当信噪比大于 15dB时 ,该方法的估计精度可达98% ;当过采样率为 15～ 2 0时 ,算法具有最优的辨识精度     

基于三阶累积量的闭环辨识

将高阶累积量对具有高斯分布特性的（白色或有色）随机噪声的强烈抑制特性,用于辨识开环条件下的干扰,一些文献中提出了基于高阶累积量的改进均方辨识准则（MSE）。针对三阶累积量的情形,探讨了该晨噪声上环辨识中的适用性。理论分析表明,扩展到闭环情形下的MSE辨识准则等价于无噪声干扰下对象处理开环情形时的均方误差辨识准则,该方法可获得处于闭环运行状态下对象的渐进无偏参数估计;当对象采用ARMA模型时,可获得相应的线性递推辨识算法,仿真实验证明了该算法的有效性。     

一类有色噪声干扰系统的有辨识研究

ARARX模型是有色噪声干扰系统的一类重要模型,把有色噪声干扰的随机系统看作ARARX模型(即动态调节模型),辨识思想是把噪声模型用有限脉冲响应(FIR)模型逼近,进而得到一个CARMA模型/ARMAX模型.使用递推增广最小二乘估计其参数,与滤波递推广义最小二乘法相比,提出的方法原理简单,更方便于计算机操作.仿真结果表明,如果近似的FIR模型有较高的阶次,系统辨识精度满足要求.     

一类有色噪声干扰系统的有限脉冲响应模型方法的辨识研究

ARARX模型是有色噪声干扰系统的一类重要模型, 本文把有色噪声干扰的随机系统看作ARARX模型(即动态调节模型),辨识思想是把噪声模型用有限脉冲响应(FIR)模型逼近,进而得到一个CARMA模型/ARMAX模型. 使用递推增广最小二乘估计其参数,与滤波递推广义最小二乘法相比,提出的方法原理简单, 更方便于计算机操作. 仿真结果表明,如果近似的FIR模型有较高的阶次,系统辨识精度满足要求.     

多变量系统的递阶梯度迭代辨识方法

根据递阶辨识原理,推导出滑动平均噪声干扰多变量系统的递阶梯度迭代辨识方法,仿真例子说明提出算法是有效性的.     

基于遗传算法的离散和连续系统辨识

阐述了遗传算法应用于离散和连续系统中直接辨识物理参数。该方法能有效地克服有色噪声的干扰 ,获得系统参数的无偏估计。对离散系统的辨识仿真结果说明了该方法的有效性     

计算机与个人识别技术

本文论述个人识别的基本思想，首先介绍用于个人识别的生物特征：形态学特征、功能特征和生化学特征，然后较详细地介绍利用指纹、掌形、脸、眼纹等形态学特征和笔迹（签名）、声纹等功能特征进行个人识别时，利用计算机进行数据处理的基本思想，最后讨论个人识别技术发展的有关动向：应用神经网络技术和建立复合的个人识别装置．     

偏差校正最小二乘法参数辩识的分析和仿真

本文旨在分析偏差校正法与其他参数辩识方法的关系。在前面部分，借助移位向量把二次准则表达成待辩识参数的显函数。这样广义最小二乘法，偏差校正法及伪线性法的离线算法便很容易地以这同一准则导出。后面部分从递推预报误差法导出以上三种方法的递推算法。通过以上分析并采用仿真手段清楚展现了各种算法间的相互关系。     

澳大利亚民族认同初探

历史上,澳大利亚的民族认同经历种族认同和文化认同的发展,20世纪70年代以后随多元文化政策的推行,在共同国民意识、公民意识的基础上形成的国民认同才趋于独立和成熟。民族认同发展和演变的过程也是澳大利亚走向开放的、民主的、成熟的现代社会的过程。     

社会认同理论及其营销应用研究

对社会认同理论背景进行梳理,并对社会认同的动机、发展过程以及影响结果展开分析,还进一步研究了认同理论在营销领域的发展,即公司认同的概念、构成要素以及传播途径等.通过对实证研究的梳理,发现顾客对公司特质方面的感知、公司的外部形象和跨边界代理,构成了公司认同的前因变量,而积极的消费者购买和品牌评价,则是公司认同导致的后向结果.     

人与其生存环境的主体互联式思考——博克认同说及其现实意义

人是修辞的动物也是象征的动物.人在修辞活动中,总是通过象征行动自觉或不自觉地寻求认同.认同说在现实生活中具有普遍的深刻意义.围绕博克的认同说,阐述三种认同观及其现实意义,启发生存主体--人,对生存环境的思考.     

基于辅助变量盲辨识方法的肌电信号识别分类

表面肌电信号(sEMG)是神经肌肉活动发放的生物电信号。本文从信号产生的根源出发,建立FIR模型,该模型的输入为信号源是不可测的,为了克服该不足本文提出采用盲辨识的方法辨识模型系数,以该系数作为表面肌电信号的特征,对6种手势动作识别分类,实验表明,该方法运算量小,分类能力较好。     

草果的生药学鉴定

对草果进行系统生药学鉴定,为其鉴别及应用提供科学依据．采用原植物鉴别、性状鉴别、显微鉴别的方法．结果草果在原植物、性状、显微等方面具有专属性的特征．该方法简便易操作,可作为该药材定性鉴别依据．     

基于模态振型的简支梁损伤识别

相比结构的频率,振型反应的信息更加丰富.振型曲率是对结构损伤十分敏感的一个指标;利用简支梁结构损伤前后的1阶振型曲率差对其进行损伤识别,对损伤位置有较好的识别效果,而利用高阶振型无法进行识别;对于简支梁损伤程度,利用振型曲率差只能进行定性的识别,随着损伤程度的加深,图形突变增大.     

多新息随机梯度辨识方法的收敛性研究

从理论上给出了多新息辨识方法的推导过程,提出了多新息随机梯度辨识方法,并运用随机过程理论分析了多新息随机梯度辨识方法的均方收敛性,给出参数估计误差上界的计算公式。分析表明数据的平稳性可以提高参数估计精度。最后给出了多新息辨识方法的各种典型变形。     

美洲大蠊的生药学及分子生药学鉴定

运用生药学及分子生药学方法,对美洲大蠊的中药材特征进行鉴别。采用高效体视显微镜和生物数码显微镜对美洲大蠊的性状特征及其粉末显微特征进行观察记录,并利用分子鉴定方法对美洲大蠊DNA做PCR扩增、测序。将测序结果与中药材DNA条形码鉴定系统中的数据进行同源性比对,检测结果与形态学方法鉴定结果相比较,验证生药学鉴别的准确性。结果显示美洲大蠊粉末体壁碎片多鳞片状纹理,内外壁分层明显;刚毛分粗细两种,颜色分明,二者之间的差异较大;复眼碎片特征明显。分子生药学鉴定结果为蜚蠊科大蠊属昆虫美洲大蠊Periplaneta americana L.,同源性100%。该研究可以确认美洲大蠊的中药材鉴别特征,为保障美洲大蠊药材的安全使用提供了实验依据。