基于多分辨率分析的模糊系统结构辨识算法

分析了尺度函数多分辨率逼近性以及与T—S模糊系统结构的相似性，提出基于多分辨率分析的模糊系统(MAFS)。在此基础上，利用B—样条尺度函数作为模糊隶属函数具有紧支撑性、多分辨率逼近的特性，从时一频域局域化角度，采用WTMM技术，给出了模糊系统结构辨识算法。仿真结果验证了这种模糊系统在不影响辨识精度情况下，模糊隶属函数具有模糊语义的完备性和可解释性，同时表明该结构辨识算法的正确性和有效性。     

考虑记忆交叉项的宽带功放行为建模方法

针对宽带功率放大器的强记忆效应,提出了一种前馈交叉记忆多项式模型。该模型由主信号对消和畸变注入两个环路构成。信号对消环路采用记忆多项式模型对带内动态线性记忆效应进行建模;畸变注入环路采用记忆时刻信号间的交叉记忆项对带外扩展频谱行为进行建模。为克服最小二乘法在模型辨识中带来的数值不稳定问题,采用共轭梯度的方法对模型的参数进行辨识。为消除噪声和测量误差对模型参数辨识带来的影响,采用ADS软件包络仿真的方法获取精确的功放输入输出信号复包络数据,并对该模型进行充分的性能分析和评估。实验结果表明,所提方法对宽带功放的非线性动态特性具有很好的逼近能力,特别是带外频谱扩展特性,较之常用的方法提升了近10 dB。     

基于Chebyshev基函数模糊神经网络的快速辨识方法

神经网络的非线性逼近能力的研究是神经网络成为辨识模型的理论基础。首先研究了基于正交多项式函数的神经网络逼近理论和方法,并在此基础上证明了新型Chebyshev神经网络具有良好的非线性并研究了它的全局最优逼近性质。然后提出了一种用于复杂非线性系统辨识的基于Chebyshev基函数的模糊神经网络模型和学习算法。该模型以Chebyshev基函数为隶属函数,规则后件采用输入变量的线性函数,无需调整隶属函数的参数,只是采用BP学习算法学习后件参数,因而大大减少了模型算法的计算量,学习算法简单,加快了学习收敛速度,而且不使网络结构复杂,设计简单。仿真结果表明所提模型和方法的有效性。     

一种非线性系统多项式逼近的建模方法

提出一种简便的非线性多项式逼近建模方法。对非线性系统,首先,利用拓扑同胚变换,将系统的有界输入输出数据变换为[0,1]范围之间的数据,然后选定初始多项式,对初始多项式模型反复利用递推最小二乘法进行参数辨识,通过比较项与参数乘积绝对值的大小,剔除多项式中对模型贡献较小的项,直到得到确定的多项式模型,大量的仿真结果表明了算法的有效性。     

基于GA-Fuzzy的混沌系统辨识研究

提出用遗传算法优化的Takagi-Sugeno-Kang(TSK)模糊模型对未知或不确定的混沌动力学系统进行辨识。在辨识未知混沌系统的TSK模型过程中，只需利用未知混沌系统的输出时间序列。首先，采用模糊聚类分析方法从训练数据建立其初始TSK模糊模型。然后采用实数编码的遗传算法对初始模型进行优化设计。同时为防止破坏模糊规则的语义属性，对遗传搜索空间采取了适当的限制。用辨识模型重建吸引子方法定性地评价辨识模型，通过计算辨识模型的Lyapunov指数定量地评价辨识模型的性能。仿真结果表明，该辨识模型能很好地逼近原混沌动力学系统，准确地体现原混沌系统的动力学特性。     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

美式期权的几种蒙特卡罗仿真定价方法比较

在Longstaff和Schwartz（LS，2001）提出的基于多项式函数逼近的美式期权仿真定价基础上，给出美式期权重要性抽样仿真方法——顺推法及其具体算法。同时给出重要性与分层抽样相结合的算法。该方法可以适用于类似于美式期权具有可提前执行特征以及路径依赖特征等金融衍生工具仿真定价，具有一般性。数字示例比较结果表明，相对于LS方法，重要性抽样和分层重要性抽样都具有较好的方差缩减效果，尤其分层重要性抽样方法。     

多项式光滑的半监督支持向量分类机

为了处理半监督支持向量分类优化中的非凸非光滑问题,引入一族多项式光滑函数来逼近非凸的目标函数,给出的多项式函数在样本的高密度区逼近精度高,逼近精度低时出现在样本的低密度区,同时可以根据不同的精度要求选择不同的逼近函数.采用BFGS算法求解模型.在人工数据和UCI数据集上的实验结果显示,算法不仅能保证标号数据很少时的分类精度,而且不因标号数据的增多而明显提高分类性能,因此给出的分类器性能是稳定的.     

协整模型中门限协整的一种辨识方法

考虑非线性、非平稳时间序列中门限协整模型的辨识问题，给出协整模型属于线性协整还是门限协整的一种判断方法。给出门限协整回归模型的定义，构造了辨识线性协整和门限协整的SupW统计量，并得到了SupW统计量的极限分布。给出逼近极限分布的Bootstrap方法，计算渐近p-值确定协整模型是线性协整还是门限协整。模拟计算和实例计算证明了该辨识方法的有效性，具有重要的应用价值。     

MPSO-RBF优化策略在锅炉过热系统辨识中的仿真研究

提出了基于改进PSO算法的RBF神经网络混合优化（MPSO-RBF）方法，并将其应用到非线性系统的辨识中。该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合，克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点。经典型非线性系统仿真试验，并与GA-RBF和RBF辨识效果进行了对比，结果表明基于MPSO-RBF的混合优化方法较GA-RBF和RBF优化速度快、逼近性能好，可以达到更优的辨识精度。最后，通过对火电厂的过热汽温动态特性的辨识实例，同样证明了MPSO-RBF方法具有更好的性能指标。     

光滑支持向量机多项式函数的研究

为了找到多项式光滑支持向量机(polynomial smooth support vector machine,PSSVM)中性能更好的光滑函数,将正号函数变形并展开为多项式级数,得到一类光滑函数。证明了这类函数的性能,它既能满足任意阶光滑的要求,也能达到任意给定的逼近精度。用Newton-Armijo算法求解相应的PSSVM模型,实验结果表明,随着多项式光滑函数阶数的提高,逼近精度和相应PSSVM模型的分类性能也相应提高。     

全向攻击空空导弹发射包线的快速精确拟合

基于对攻击区的定性和定量分析，提出了一种使用目标进入角与机动过载的复合三角函数作为自变量的空空格斗导弹攻击区拟合方法。使用同样的阶次，较之于传统的纯多项式拟合方法而言，本文的处理方法显著地降低了界外发射概率和失机概率。     

改进的离散化方法在二维电磁散射中的应用

电磁散射问题的数值解通常采用积分方程结合矩量法求解,而阻抗矩阵元素的计算是影响矩量法计算精度和效率的重要因素之一。对于电大尺寸目标,要保持计算精度,传统矩量法需成倍细化网格剖分,这将耗费大量的计算机资源,并且计算效率大为下降。针对二维散射情况,引入二级近似方法来生成阻抗矩阵,将计算结果与传统矩量法及数值积分进行了比较,结果表明:该方法在同等计算精度的前提下,所需未知量数大大减少。     

高分辨圆迹环扫合成孔径雷达成像方法

圆迹环扫合成孔径雷达(circular trace scanning synthetic aperture radar, CTSSAR)是一种新型合成孔径雷达（synthetic aperture radar, SAR）成像模式,受其圆弧飞行轨迹的影响,直线运动轨迹模型下的成像算法不再适用。针对这一问题,提出了一种新的CTSSAR成像方法。该方法首先在误差允许的范围内对其圆弧运动轨迹下的斜距方程作四阶近似,再求解方程得到驻相点的精确解析解,获得信号的二维频谱,并以此推导了相应的成像算法,补偿了不同距离处的目标的相位,实现高分辨率成像。在整个的推导过程中只做了一次合理的高阶近似,因此获得的二维频谱具有较高的精度。同时对于实际中可能遇到的运动误差问题,给出了一种解决思路。最后,点目标的仿真对比结果验证了成像算法的有效性与运动补偿方案的可行性。     

N 阶色散媒质宽频电磁散射特性的高效分析

在目标宽频电磁响应分析中引入Maehly逼近理论,应用矩量法(method of moments, MOM) 求解给定频带内若干节点处目标的表面电、磁流,以形成关于电、磁流的Chebyshev多项式逼近,最后转化为Maehly逼近以提高计算精度。结合PMCHW方程,对各种形状三维介质目标、N 阶色散介质目标的宽带电磁散射特性进行了分析。数值仿真表明：在不占用更多内存的情况下,Maehly逼近方法能够有效提高宽频分析的计算效率。     

Neural networks and the best trigomometric approximation

With the best trigonometric polynomial approximation as a metric, the rate of approximation of the one-hidden-layer feedforward neural networks to approximate an integrable function is estimated by using a constructive approach in this paper. The obtained result shows that for any 2π-periodic integrable function, a neural networks with sigmoidal hidden neuron can be constructed to approximate the function, and that the rate of approximation do not exceed the double of the best trigonometric polynomial approximation of function.     

用于函数逼近的小波网络

在小波分析的基础上 ,结合神经网络构造了一种新的小波级数形式的小波网络 ,并利用非线性规划中的变尺度法对网络权值进行训练。对一类非线性函数和混沌时间序列进行了仿真研究 ,并与文献 [7]的小波网络进行了仿真比较。结果表明 ,这种新的小波网络具有良好的函数逼近能力 ,收敛速度快且逼近精度高。     

支持探索性分析的主动元建模

建立高层低分辨率分析模型是探索性分析的关键，一般对低层高分辨率模型采用拟合、聚合的方法来建立高层低分辨率模型，仿真元建模是仿真模型中一种重要的拟合、聚合方法。主动元模型是在一般元建模的基础上，充分考虑使用系统已知的因果关系、物理机理、经验知识等来确定元模型形式，采用统计分析技术形成元模型的一种元模型生成方法，是一种基于因果推理技术与统计元模型技术的综合方法。主动元模型能比较好的表述系统机理、刻画系统关键部件、增强评估质量和在某种情况下提高拟合精度和外推能力，这种特性使得主动元模型能更好地支持在高层进行探索性分析。     

飞行器耦合系统的一种逐步逼近优化设计方法

阐述了飞行器耦合系统优化设计所面临的计算问题,包括计算量大,计算精度低等.分析指出了产生这些问题的原因在于计算中存在两重嵌套的循环.在上述分析基础上,提出逐步逼近的优化设计方法,在该方法中构造了一个非耦合的近似模型,并针对该近似模型进行优化计算,这样做将嵌套的两个循环过程转化为序列进行的两个循环过程.同时为了在保证精度的前提下提高计算效率,构建了一种近似模型逐步逼近真实模型的迭代格式.仿真算例表明了本方法的有效性.