一种基于过采样技术的非最小相位系统盲辨识方法

提出了一种在时域中盲辨识非最小相位系统传递函数的方法,该方法通过对系统输出过采样来获得系统结构参数的信息.对于单输入单输出的线性离散系统,经过输出过采样后可以等价为单个输入、多个输出的传递函数模型,这多个输出函数具有相同的分母多项式和不同的分子多项式.采用子空间分解法可以确定分子多项式的参数,通过对系统输出信号自相关函数的处理可以得到分母多项式,最终可以得到原系统的结构参数.与传统高阶矩方法相比,该方法对噪声的敏感度更低,辨识的精度和速度也有很大提高.仿真结果表明,当信噪比大于15dB时,该方法可以有效地辨识出系统参数.与高阶矩方法相比,辨识门限信噪比降低了10dB,估计精度提高了20%,辨识速度加快了3倍.     

过采样方法在系统辨识中的应用

为了对带噪输出的控制系统进行盲辨识，提出了一种利用过采样法辨识控制系统函数的方法，通过过采样控制系统的输出信号，将原单输入单输出系统转换成为一个新的与原系统具有相同输出极点的单输入多输出系统，再估计出这个新的单输入多输出系统的传递函数，最后得到原单输入单输出系统的模型参数，仿真结果表明，与常用的高阶矩法相比，该方法具有不受系统结构影响，不需要计算样本数据的高阶统计矩，使用的样本数据量少，便于计算机实现的优点。     

基于信道模型过估计的最小噪声子空间盲辨识

研究基于信道模型过估计的盲系统辨识问题.采用最小噪声子空间方法,提出了一种通信信道盲辨识算法.与现有算法比较,提出的算法减少了辨识过程的计算量,提高了辨识精度,并对信道阶数过估计具有鲁棒性.仿真结果表明,在信道阶数过估计时,提出的算法仍能给出较好的参数辨识效果.     

基于IUPF算法与可变参数电池模型的SOC估计方法

针对常用电池模型参数固定和适用范围有限的问题,建立受温度和SOC影响的可变参数的Thevenin模型,并利用实验设计(DOE)方法和最小二乘法对模型参数进行辨识.针对系统噪声较大时影响算法估计精度的问题,提出了一种改进的无迹卡尔曼粒子滤波(IUPF)算法.将系统状态噪声和量测噪声两者同时引入到采样点中,对其进行对称采样处理,同时将其引入到算法计算过程中以保证算法的精度.在可变参数Thevenin模型基础上采用的IUPF算法,在保证模型适用范围的同时减小了噪声对系统估计精度的影响.实验及仿真结果表明,基于IUPF算法与可变参数电池模型的SOC估计方法在解决现有电池模型适用范围有限、保证模型精度的同时,在多个温度下对SOC有较高的估算精度.尤其在系统状态噪声、量测噪声影响较大时,算法估算精度有了明显提高,且对由模型参数所带来的扰动具有良好的鲁棒性.     

OFDM信号过采样率盲估计的新方法

针对低信噪比多径信道下过采样率估计性能低的问题,根据正交频分复用( OFDM)基带采样信号的频谱特性,提出了基于采样信号频谱逼近的过采样率盲估计方法.该方法首先利用改进的移动协方差方法估计信号的载波频率,采用修正的周期图平均法估计信号的功率谱;然后通过选择最佳的滚降系数,设计一个最佳余弦滚降滤波器,使余弦滚降滤波器的截止频率逼近信号的截止频率;最后根据过采样信号的频谱特性原理估计出接收信号的过采样率,实现了不同类型OFDM信号的过采样率的盲估计.仿真结果表明,在信噪比为-2 dB,多径信道条件下OFDM信号的过采样率估计的均方误差不超过0.2.可见该方法无需任何先验知识,在低信噪比多径信道下具有良好的估计性能.     

一种新的系统盲反向辨识方法

基于系统输出信号过采样原理的系统反向辨识是一种新的盲辨识方法,这种方法不仅适用于最小相位系统,而且也适用于非最小相位系统。通过输出信号的过采样,可以获取未知输入信号和系统更多的信息。文中首先提出了这种解决盲辨识问题的算法,然后利用辨识出的系统模型恢复了源输入信号。这种方法在控制工程领域具有较高的实用价值。     

自适应无迹卡尔曼滤波动力电池的SOC估计

无迹卡尔曼滤波法(Unscented-Kalman Filter,UKF)在估计动力电池的剩余容量(State of Charge,SOC)时,由于系统噪声的不确定,可能导致算法不收敛,而且算法的估计性能受模型精度的影响,为此采用自适应无迹卡尔曼滤波法(Adaptive-UKF,AUKF)动态估计电动汽车动力电池的SOC.建立了适用于SOC估计的电池模型,辨识相应的电池模型的参数并进行验证,将AUKF应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC.试验仿真结果表明:UKF算法的估计误差在-0.04~0.06之间跳动,而AUKF算法的估计误差平稳的保持在0.05以内,实时修正微小的模型误差带来的SOC估计误差.     

基于改进闭环子空间辨识的电动轮汽车纵向力估计

为实现电动轮汽车轮胎纵向力的控制与协调分配,提出了基于改进闭环子空间辨识的电动轮汽车纵向力估计方法.分析了电动轮汽车电驱动系统特性,在此基础上提出了用于辨识的纵向力估计模型.进行底盘测功机道路模拟试验并采集数据.模型输入与噪声相关时,子空间N4SID(numerical algorithm for subspace identification)辨识算法是有偏的,针对这一问题,研究了一种改进闭环子空间辨识算法.结果表明:对比子空间N4SID辨识算法,改进闭环子空间辨识算法辨识出的模型具有更好的抗干扰性,纵向力估计精度更高,实时跟踪效果更好,满足基于数据驱动的驱动力模型预测控制的需求.     

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。     

光源工程直线加速器工艺冷却水系统建模

以上海光源工程工艺冷却水-电子直线加速器系统为研究对象,采用闭环辨识方法进行建模.在闭环条件下,由于不可测噪声通过反馈环节对系统控制输入信号产生影响,采用二阶段辨识方法对系统进行建模.二阶段闭环辨识算法将闭环辨识问题转换为2个开环辨识问题,通过构造无噪声无污染的中间信号来代替实际的控制输入,以此解除噪声与控制输入之间的相关性,然后利用经典的开环辨识算法可得系统参数的一致无偏估计.     

基于CNN-BiLSTM的自动睡眠分期方法

针对目前睡眠分期存在的依赖人工特征提取、无法识别长时关联数据中的时序模式、模型对EEG时序数据分期不准确等问题，提出一种基于CNN-BiLSTM的自动睡眠分期方法.将原始数据通过改进MSMOTE算法进行过采样形成类平衡数据，再通过CNN表达其高级特征，并馈送至BiLSTM中挖掘各睡眠阶段间的依赖关系，实现睡眠数据分期特征的自动学习和睡眠周期判定.在Sleep-EDF公开数据集上的实验结果表明，CNN-BiLSTM模型的分类准确率为92.21%.同时引入改进的MSMOTE过采样技术缓解因数据不平衡所导致的少数类睡眠期判定不准确问题.在原始数据集类不平衡的情况下，实现了睡眠数据自动分期，有效提高了睡眠分期模型的准确率，具有一定的实用价值.      

考虑填充率下亚像元与过采样成像MTF对比

针对探测器存在填充率时过采样和亚像元成像质量评价问题,利用亚像元算法反演线阵探测器像元扩散函数,发现较过采样成像不仅能在1/m微扫描作用下减小采样间隔,还能使探测器矩形窗口压缩m倍.根据MTF和一阶过零频率概念,得到同一填充率下亚像元较过采样对欠采样成像改善程度要大,且随着填充率的提高该优势愈加趋于明显.对比评价对实际亚像元算法成像的前景和优势给与理论上的肯定.     

基于集成神经网络的信道估计方法研究

为解决噪声以及信号干扰等因素严重影响接收端信道估计的问题,提出一种基于集成神经网络的信道估计方法,利用多个改进后的神经网络来提取带噪导频信号与原始导频信号之间的非线性关系模型,根据其输出误差来计算差异度值,并结合差异度对其进行集成,得到训练完成的集成神经网络模型,通过集成神经网络模型来获取信道估计结果;与最小二乘(least squares,LS)估计方法相比,该方法不仅可以提高通信的可靠性,而且还能减少导频开销提高通信有效性;在不同的调制方式下,当误码率相同时,算法所需的信噪比LS算法均要更低;基于正交频分复用(orthogonal frequency division multiple,OFDM)通信系统进行仿真,结果证明,该方法具有优良的性能。     

基于谱熵和多尺度小波的码元速率估计方法

针对实际信号码元速率估计中噪声对估计精度的影响和小波方法最优尺度的选择问题,提出了一种基于谱熵分析和多尺度小波变换的码元速率估计方法。通过谱熵检测有效滤除带内噪声,并采用并行多尺度小波分析和精度函数分析提取最优小波尺度。实验结果表明,该方法的估计性能优于传统小波分析方法,并且在低信噪比情况下具有更好的估计鲁棒性。     

Colorization method based on the linear relationship assumption

A new local cost function is proposed in this paper based on the linear relationship assumption between the values of the color components and the intensity component in each local image window,then a new quadratic objective function is derived from it and the globally optimal chrominance values can be computed by solving a sparse linear system of equations.Through the colorization experiments on various test images,it is confirmed that the colorized images obtained by our proposed method have more vivid colors and sharper boundaries than those obtained by the traditional method.The peak signal to noise ratio （PSNR） of the colorized images and the average estimation error of the chrominance values relative to the original images also show that our proposed method gives more precise estimation than the traditional method.     

裂缝性油藏改进多重子区域模型

针对现有多重子区域模型在计算裂缝单元间等效传导系数时存在的问题,采用超样本技术和体积平均法对其进行改进,改进后的模型可以有效考虑周围区域介质对裂缝单元间等效传导系数的影响,同时可以得到全张量形式的等效渗透率,在此基础上运用模拟有限差分方法构造考虑全张量形式等效渗透率的数值计算格式进行模型求解。针对不同裂缝性油藏,通过数值算例对改进模型和原始模型的准确性进行对比分析。结果表明:改进模型的计算精度比原始模型有较大提高,与离散裂缝模型参考结果基本一致,同时其计算效率高于离散裂缝模型。     

频谱校正中频率-幅值估计的一种新方法

指出了导致频谱误差的根本原因是标准DFT计算中的频率初始点为零,并由此提出一类新的频谱校正方法——初始频率扫描法,包括单频率估计方法和全频段估计方法.该方法以幅值最大为判据准则,以一个频率分辨力为寻优区间,通过调整DFT计算的初始频率点实现对频率和幅值的最优估计.验证结果表明,该方法估计精度较高,能够稳定保持在10-3数量级,且估计精度对信号点数的要求不高,同时,噪声的强烈程度对估计精度影响并不显著,说明该方法具有很强的实用性.     

采用时域测量矩阵的压缩感知稀疏信道估计方法

针对传统最小二乘和伪随机序列相关信道估计方法在稀疏信道应用时估计精度差的问题,提出一种采用时域测量矩阵的压缩感知稀疏信道估计方法.新方法首先将循环前缀单载波分块传输系统中的稀疏信道估计建模为一个典型的压缩感知问题,然后利用具有最优循环相关特性的伪随机序列优化构造确定性压缩感知测量矩阵,避免了使用随机测量矩阵造成的存储不便及估计性能差的问题,且提高了信道估计性能.基于准静态COST 207典型城市信道模型的仿真结果表明:该估计方法能够有效地降低稀疏信道的估计均方误差,在16 dB处的误码率可达2×10-5,而相同情况下最小二乘信道估计方法的误码率只能达到3×10-3.