多输入动态调节系统的正交匹配追踪迭代辨识算法

针对含有未知时滞的多输入单输出动态调节系统,基于过参数化后系统参数向量的稀疏特性,在有限测量数据下,将压缩感知理论和递阶迭代思想相结合,提出一种正交匹配追踪迭代辨识算法。该算法可以辨识多输入动态调节系统的未知时滞、参数和部分阶次。研究结果表明:与最小二乘迭代算法相比,该算法不需要大量的采样数据,可以节约采样成本,提高辨识效率。该算法能够有效地估计这类系统的参数与时滞。     

MIMO-OFDM系统中基于RAMP及其改进的稀疏信道估计算法

研究了在MIMO-OFDM系统中的稀疏信道估计问题。将正则化稀疏度自适应匹配追踪算法（RAMP）运用到MIMO-OFDM稀疏信道估计中,并对该算法的迭代结束条件加以改进,取残差的能量之差小于设定的阈值来终止迭代过程,更加准确地估计出信道稀疏度,进而提高了稀疏信道的估计精度。仿真结果表明,在MIMO-OFDM系统中,相比RAMP算法与稀疏度自适应匹配追踪算法（SAMP）,改进算法能够获得更好的MSE性能,在不需要稀疏度的前提下达到了与正交匹配追踪算法（OMP）算法相似的MSE性能。      

基于DSC-LS的加速度计动态模型参数辨识

加速度计动态模型参数辨识对提高振动与冲击动态测试和动态分析精度等具有重要作用.针对加速度计动态模型参数频域辨识方法中栅栏效应对参数辨识精度的影响,提出了一种基于离散频谱校正-最小二乘（DSC-LS）的加速度计动态模型参数辨识方法,该方法利用H₁估计获得零频点坐标,并将FFT+FT离散频谱校正与LS方法相结合,高精度估计出谐振点坐标,然后通过特征点坐标计算加速度计动态模型参数.实验结果表明,该方法能够有效消除栅栏效应对加速度计动态模型参数辨识的影响,具有较高的加速度计动态模型参数辨识精度和抗低频窄带噪声干扰性能.      

基于粒子群优化算法的异步电动机动态模型参数估计方法研究

利用粒子群优化算法实现了对异步电动机动态模型的参数辨识和转矩估计。通过MATLAB建模仿真。结果表明电动机动态模型的辨识易受干扰,对于噪声敏感度较大;但在噪声适度范围内,能够比较有效的搜索到真实值,且搜索范围广,精度较高;通过多次辨识,并进行加权融合避免了某个参数陷于局部极值,增强了辨识结果的稳定性,有效地实现了转矩估计。     

基于加权L1范数的CS-DOA算法

针对基于L1范数约束的压缩感知理论的恢复算法出现虚假目标,恶化DOA估计性能的问题,提出了一种基于加权L1范数的CS-DOA估计算法.该算法利用噪声子空间与信号子空间的正交性,构造了一个加权矩阵,然后对L1范数约束模型进行加权.通过此加权处理,该算法能够使恢复的系数向量具有更好的稀疏性,并能有效地抑制伪峰,从而获得更精确的DOA估计.仿真结果验证了算法的有效性.     

基于子空间拟合的块稀疏贝叶斯学习DOA估计

针对传统基于稀疏贝叶斯学习(sparse bayesian learning, SBL)的波达方向(direction of arrival,DOA)估计算法在低信噪比条件下性能不足的问题,提出了一种基于子空间拟合和块稀疏贝叶斯学习的离网DOA估计方法。首先对样本的协方差矩阵进行特征分解,获得信号的加权子空间,然后构造等价信号的稀疏表示模型并利用块稀疏贝叶斯算法进行参数求解,同时对于网格失配带来的建模误差,将空间域内的离散采样网格点作为动态参数,通过求解一个多项式,利用期望最大化算法迭代更新离散网格点的位置。仿真实验结果表明,相对于传统SBL算法,该方法具有更好的估计精度和空间分辨率。     

大型立式淬火炉温度分布参数系统参数辨识算法

以块脉冲函数为基函数,利用正交函数变换将由偏微分方程描述的分布参数系统模型转化为最小二乘形式的代数方程,在此基础上推导出大型立式淬火炉温度分布参数系统的参数辨识算法,并进行仿真和31m立式淬火炉温度控制系统应用,该算法能够满足控制规律对参数辨识实时性和精度的要求。研究结果表明：基于正交函数逼近法的分布参数系统参数辨识算法的关键在于正交函数正、反向积分运算矩阵的求解。辨识过程中考虑大型立式淬火炉温度分布参数系统模型边界条件和初始条件的影响,提高参数辨识精度,参数辨识精度为-6％～6％,保持系统的空间分布特性,算法计算量小,可以实现在线参数辨识。     

基于块稀疏的频率分集阵MIMO二维参数估计

针对导向矢量时变导致频率分集阵列-多输入多输出(MIMO)雷达参数估计误差增大的问题,提出一种基于块稀疏的距离和角度参数联合估计方法.首先,就导向矢量时变性对参数估计性能的影响进行了理论分析;然后,通过公式推导证明了块稀疏理论在频率分集阵MIMO雷达参数联合估计中的适用性,并提出了基于块稀疏的参数联合估计方法,给出了参数估计的具体流程;最后,通过仿真对参数估计性能进行了分析.理论分析及仿真结果表明:基于块稀疏的参数联合估计方法可实现单次快拍下多目标距离和角度参数的联合估计,估计能力优于传统谱估计方法;在单目标和单快拍条件下,所提算法精度与二维ESPRIT和二维MUSIC算法相比,基于稀疏字典估计的参数精度优于两算法,而基于系数向量估计的参数精度介于两算法之间.     

基于改进差分进化算法的估计等值法

为解决现有的用于电力系统在线安全分析的估计等值法精度低、收敛性弱的问题,给出了较精细的等值发电机加综合负荷的等值系统模型,以提高等值精度,并提出了基于差分进化(DE)算法的等值系统参数辨识策略.为解决DE存在的早熟收敛问题,构造变异方式不同的两个差分进化群,两群并行进化且定时交换信息,以增加种群的多样性,改善算法的收敛性.仿真结果表明:改进的双群体DE算法有效解决了等值系统的参数辨识问题,算法简单、收敛快,辨识的参数精度高、鲁棒性好;所建立的等值系统模型更符合电网实际,等值后外部系统的动态特性基本被保留;所提基于改进DE的估计等值法可用于在线大规模外部系统的等值化简.     

保精度-稀疏特性核回归模型的非线性动态系统辨识

针对一组有限测量数据的非线性动态系统建模方法存在模型结构复杂且易出现过拟合等问题,从建模精度及模型稀疏特性出发,提出了保精度-稀疏特性的核回归模型用于辨识非线性动态系统。该方法将逼近误差的L_∞范数思想与结构风险最小化理论相结合,建立求解非线性动态系统所对应的核回归模型优化问题,再应用较简单的线性规划对其求解。提出的方法具有如下三个显著特性:①应用逼近误差的L_∞范数最小化可保证非线性动态系统的辨识精度;②引入支持向量回归架构下的结构风险L_1范数对模型结构复杂性进行有效控制可保证模型稀疏特性;③模型的泛化性能可通过提出的方法从建模精度与模型稀疏特性之间取其平衡。最后,通过实验分析论证了提出方法在辨识非线性动态系统上的保精度-稀疏特性的合理性与优越性。     

An efficient channel estimator for OFDM system with sparse multipath fading

A channel estimator used in sparse multipath fading channel for orthogonal frequency division multi-plexing(OFDM)system is proposed.The dimension of signal subspace can be reduced to improve theperformance of channel estimation.The simplified version of original subspace fitting algorithm is em-ployed to derive the sparse multipaths.In order to overcome the difficulty of termination condition,weconsider it as a model identification problem and the set of nonzero paths is found under the generalizedAkaik...     

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辩识与盲均衡算法。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。     

利用改进SCE算法的锂离子电池参数辨识

针对传统参数辨识方法中存在的易陷入局部最优和精度低问题,提出一种改进洗牌复杂演化算法。首先,根据锂离子电池动态特性的二阶RC等效电路模型,确定待辨识参数。其次,通过本算法来寻找最优模型参数,以更好的模拟电池真实状态。最后,在马里兰大学先进寿命周期工程中心提供的锂离子电池动态工况数据集上进行验证,并对比本算法和其他优化算法的仿真结果。仿真结果表明, 该方法在辨识精度、泛化性能和可靠性方面具有优势。     

基于联合动态稀疏表示方法的多图像人脸识别算法

采用联合动态稀疏表示方法构造一种新型的多图像人脸识别模型.该模型在多张人脸图像的稀疏表示矩阵上,利用动态数集得到联合动态稀疏表示矩阵,识别多图像的人脸.在多张人脸图像作为测试样本的情况下,利用多图像之间的关联性提高人脸图像识别的准确率.最后利用CMU人脸图像库对该算法进行仿真,结果表明其识别率较其他算法有很大的提高.     

基于叠加训练序列的稀疏信道估计

对于稀疏多径衰落信道,提出了一种叠加训练序列和匹配跟踪算法相结合的信道估计方法.为了提高系统带宽效率,采用迭代的叠加训练估计信道响应,该方法将一低功率周期性的训练序列直接叠加于信息序列,利用接收数据的均值求得信道响应,不需要任何额外带宽资源.在许多无线通信环境中,信道呈现稀疏特性,利用该稀疏特性,采用匹配跟踪算法估计信道响应中的非0点,以此可以降低加性高斯白噪声引起的性能损失.通过计算机仿真表明,本文的方法可以达到很好信道估计性能.     

基于空间交替广义期望最大化算法的信道参数估计的改进

在大规模多输入多输出(multiple-input multiple-output, MIMO)系统中,空间交替广义期望最大化(space-alternating generalized expectation-maximization, SAGE)算法可以精准有效地估计出信道参数信息,从而被广泛使用。针对SAGE算法两种初始化方法均无法处理信道中多条径的时延相等或接近时,低功率径无法估计出来的情况,提出了一种在估计子径时将功率低于一定阈值的径作为噪声消除掉的SAGE优化方法。在仿真阶段,首先对SAGE算法的两种初始化方式进行了分析与比较;接着对比了改进后的SAGE算法与原算法的性能差异。仿真结果表明,改进后的SAGE算法能够较好地估计出原被噪声淹没的径,提高参数估计精度,并且加快迭代收敛速度。     

基于前向神经网络的多新息随机梯度辨识算法

为了提高动态系统的辨识精度,提出一种基于前馈神经网络的多新息随机梯度辨识算法,它通过动态调整网络权值来提高网络在线辨识性能.由于多新息随机梯度辨识算法利用了系统的当前数据和历史数据,对动态辨识,特别是对具有纯时间延迟动态系统的辨识,较传统的BP算法在辨识精度和收敛速度方面具有更好的效果.仿真结果表明该算法的有效性.     

二自由度随动系统的自适应摩擦补偿

 为提高二自由度随动系统的跟踪精度,针对系统中存在的摩擦扰动问题,提出了一种基于LuGre模型的自适应摩擦补偿方法.该方法采用离线估计法对LuGre模型中未知参数进行估计,采用非线性观测器和自适应律估计LuGre摩擦模型中的不可测状态变量和易变未知参数.最后利用Lyapunov方法证明了整个闭环系统的渐进稳定性.仿真实验表明,该方法能有效补偿摩擦对二自由度随动系统低速性能的影响,从而提高跟踪精度.     

基于GD-FNN的药物注射系统辨识

针对手动控制调节药物注射量缺乏正确性和低效的特点,将广义动态模糊神经网络（GD-FNN）应于药物注射系统辨识。学习算法在动态模糊神经网络算法基础上进行改进,以模糊完备性作为高斯函数宽度的确定准则,避免初始化选择的随机性。同时,该算法能对模糊规则而且能对输入变量的重要性做出评价,从而使每条规则的输入变量的宽度可以根据它对系统性能贡献的大小实施在线自适应调整。通过对药物注射系统的辨识和控制仿真实验表明改进后的广义动态模糊神经网络与动态模糊神经网络相比,可取得更好学习效率和辨识精度。