基于倒谱的非因果自回归系统自适应辨识

为解决信号处理中非因果自回归（ＡＲ）系统的自适应辨识问题，本文提出了一种利用倒谱进行ＡＲ系统辨识的新方法。这一方法在倒谱域内把非因果ＡＲ系统辨识问题转化为非最小相位有限冲激响应（ＦＩＲ）系统辨识问题，因此可以利用现有的基于倒谱的ＦＩＲ系统辨识算法构造非因果ＡＲ系统辨识算法，从而实现了非因果ＡＲ系统的自适应参数辨识，并解决了以往文献中未曾解决的非因果ＡＲ系统阶次自适应确定问题。另外，本算法可以保证估计出的ＡＲ模型是稳定的。数值仿真结果证明了本算法具有很高的估计精度。     

基于神经网络的一类非线性系统参数估计

基于Ｈｏｐｆｉｅｌｄ神经网络的神经计算原理，提出了一类非线性系统的参数估计方法：首先将系统参数估计问题转化为以系统模型残差平方和为目标函数的优化计算问题，然后利用连续Ｈｏｐｆｉｅｌｄ神经网络的神经计算估计待辨识参数．数字仿真结果表明，该方法不仅算法简单，而且估计精度高．     

一种新的星载SAR多普勒调频率的估计方法

估计星载合成孔径雷达（ＳＡＲ）的多普勒调频率,建立星载ＳＡＲ方位向信号相位的多项式模型,通过差分处理,使调频率的估计变换为频率的估计,采用频率估计方法估计多普勒调频率。通过估计精度和计算量的理论分析,指出该方法在保证一定估计精度的情况下,可以较大地减少计算量,最后利用ＲＡＤＡＲＳＡＴ的数据对算法进行了验证,给出了多普勒调频率的参数估计结果,并利用该参数进行了成像处理,验证了该方法的可行性和有效性,这种多普勒调频率估计方法可以应用于实时成像、快视成像和粗成像。     

具有观测噪声的AR模型参数的无偏估计

本文研究了带未知白色观测噪声的ＡＲ模型参数的无偏估计问题，提出了一种实现ＡＲ模型参数无偏估计的偏差补偿最小二乘法，这种方法通过对预测数据预滤波，将一个已知零点嵌入被辨识系统，并利用该零点提供的信息，从普通最小二乘估计中提出出噪声引起的偏差并予以消除，从而得到无偏估计，文中给出的数值仿真例子说明了所提算法的有效性。     

动态系统参数估计的一种新方法

分析了利用Ｈｏｐｆｉｅｌｄ神经网络进行系统参数估计的基本原理，把参数估计问题转化为Ｈｏｐｆｉｅｌｄ网络的能量函数的最小化问题．当能量函数达到最小值时，Ｈｏｐｆｉｅｌｄ网络的输出即为待估计的参数值．仿真实验证明了该方法的有效性．     

一种自适应检测瞬态信号的新方法

研究ＡＲ 模型参数特征用于瞬态信号自适应检测的问题－ 依据ＡＲ 模型参数矢量长度为特征检测信号的思想, 提出了一种具有良好的自适应抑制噪声扰动的参数估计方法－ 理论分析和实验结果表明, 本方法具有很好的ＡＲ 模型参数估计和瞬态信号检测性能     

扩频通信中多径信道参数估计和跟踪方法

利用ＣＤＭＡ用户在使用ＢＰＳＫ调制信号时的多径信道模型,根据ＰＮ码的特点先用最大似然法估计出信道的冲激响应矢量,再进一步估计出ＲＡＫＥ接收机所需的各多径延和衰减系数等参数,分析和计算结果表明,此方法具有速度快,计算量小和精度高等优点。     

自回归语音信号模型参数的韧性估计算法及在共振峰检测中的应用

使用牛顿算法的韧性（Ｒｏｂｕｓｔ）Ｍ估计方法来估计自回归（ＡＲ）语音信号模型的线性预测参数，该方法考虑了语音信号模型浊音激励源的非高斯特性，能有效地抑制异常值（ｏｕｔｌｉｅｒ）的影响。使用所提出的韧性线预测算法来检测共振峰，获得了比使用常规线性预测方法更准确的结果     

一类非线性系统的稳态优化控制

本文针对一类由特殊的ＮＡＲＭＡＸ模型描述的非性线系统，采用阶跃信号作辨识输入信号获得了稳态模型的强一致性估计。基于已得到的稳态模型，获得了稳态优化控制问题的最优解的一致性估计。此外，计算机仿真显示了该算法和辨识技术的有效性和实用性。     

ARMA模型的一种线性建模法

在ＡＲＭＡ模型的自协方差函数和函逆数的基础上，利用Ｍａｒｐｌｅ算法提出一种ＡＲＭＡ模型的线性建模法，与非线性建模法比较，其运算工作量大大减少，便于在线别识和控制，而且利用此方法建立的ＡＲＭＡ模型参数的精度较高。     

AR噪声参数估值误差对自适应检测器性能的影响

本文从理论上研究了采用自适应逆谱(或白化)滤波器级联匹配滤波器构成的自适应检测器的性能,着重分析了背景噪声AR参数估值误差对检测性能的影响。以两种典型的信号型式(宽带、窄带)为例的分析计算表明,这类检测器的检测性能对参数估值误差并不敏感。因而自适应逆谱(或白化)滤波器级联适当的匹配滤波器方案是一种有用的自适应检测器方案。     

基于神经网络的最大似然空间信号参数估计

本文主要研究了用Hopfield神经网络实时实现最大似然多信号源空间参数估计方法。报传统最大似然信号参数估计的理论和Hopfield连续状态神经网络特性后，给出了一种实现最大似然空间参数估计模型，该神经网络模型的模拟实验结果表明，用Hopfield网络实时实现的信号参数估计方法具有与传统的最大似然参数估计法拥有同样的理论分析结果。     

基于扩展神经网络的网格资源调度优化算法

针对具有时间约束和若干资源约束的网格资源调度问题,提出了一种基于扩展神经网络的求解新方法GRSENN。资源调度问题首先被分解为一系列多维背包问题并提出相应的数学模型,然后通过把问题的各种约束表示为Hopfield神经网络的能量函数项,进而导出神经网络模型。实验仿真结果表明该方法的有效性,并可避免通常神经网络所具有的容易陷入局部极小点的缺陷。     

模糊神经网络的极点配置自校正滤波器

将模糊Hopfield神经网络应用于间接自校正滤波器设计,提出用一阶Taylor逼近神经元输出作为参数估计的方法．将模糊Hopfield神经网络应用于自校正滤波中,并将该滤波器设计方法应用于图像去噪,得到了较满意的滤波结果．表明使用模糊Hopfield网络极点配制自校正控制方法的滤波器设计有较好的实用性．     

基于Hopfield神经网络的自适应控制系统的设计与仿真

根据连续型Hopfield神经网络的特性,设计基于Hopfield神经网络自适应控制系统,解决当前大多数控制系统需要外界参与的问题.设计一个三元组的Hopfield神经网络,并通过自反馈机制更新神经元的权重,完成自适应控制的任务.通过MATLAB平台仿真建立Hopfield神经网络,构建神经网络输出与参考标准输出之间的对比实验.结果表明,Hopfield能够在有限次数内逼近参考标准输出,从而完成控制任务.基于Hopfield神经网络的自适应控制系统有较高的精度,能够完成常见的设备控制,具有较强的可行性和便捷性.     

Hopfield连续神经网络新的综合和学习方法

本文对设计一个全局稳定的Ｈｏｐｆｉｅｌｄ连续时间联想神经网络提出一种新的综合方法，用本文提出的方法综合的网络不仅能保证每一个要求的模式全部记忆，而且存贮在网络的稳定平衡点上的每一个记忆具有很好的吸引域特性。从最小误差参数估计的观点导出求解网络联接矩阵的学习方法具有快速收敛特性。本文还提出了利用反馈网络电路结构实现网络综合的方案。一个零自联接联想网络的综合实例证实了本文提出的方法的有效性和实用性。     

正交最小二乘算法及其应用

介绍了正交最小二乘法的算法原理，同经典的最小二乘法相比，其数值稳定性好、计算量小，能节省大量存贮空间。应用了Ｈｏｕｓｅｈｏｌｄｅｒ变换、Ｇｉｖｅｎｓ变换和它的逆变换３种算法。根据残差矢量最小准则，将该法用于ＡＲＭＡ模型结构辨识和时变ＡＲ模型参数估计，取得了满意的仿真结果。     

基于模拟退火算法的Hopfield神经网络参数优化

为解决Hopfield神经网络应用过程中参数设置的问题,在研究Hopfield神经网络的工作原理的基础上,分析了神经网络模型在求解TSP(Traveling Salesman Problem)问题过程中参数的选取,通过对输出数据进行归一化处理建立网络的评价函数,然后引入模拟退火算法对参数进行最优化选取。实验结果表明,经过参数优化过的Hopfield神经网络模型能更有效,更快速地得到TSP问题的最优解。     

系数为MA(q)的双重随机序列解的存在条件

本文导出了系数为MA(q)的双重随机序列模型解的平稳性条件.该条件比较简单.容易验证.同时还讨论了双重随机序列模型的一阶矩存在条件及模型存在条件,给出了系数为AR(P)时双重随机序列模型的参数估计.     

改进的递推增广最小二乘参数估计方法

基于用递推最小二乘(RLS)法拟合高阶自回归(AR)模型得到的白噪声估值,提出了自回归滑动平均(ARMA)模型参数估计的一种改进的递推增广最小二乘法。它由两段RLS算法组成,可在线实现,具有快的收敛速度。一个仿真例子说明了其有效性。