基于变步长分块滤波器的Volterra级数简化辨识方法

针对Volterra级数辨识中的维数灾难问题，提出了一种基于变步长分块最小均方滤波器的Volterra级数简化辨识方法．该方法利用影响指数的概念，在保证一定辨识精度的前提下，对每个Volterra核根据其对辨识的贡献大小进行筛选，再用筛选出的有效核作为对原系统的近似，从而达到降低辨识中核向量维数的目的．同时，该方法将块滤波器的块平均绝对误差与滤波器的步长因子相关联，使得块滤波器的步长因子随着数据块的平均绝对误差而动态调整，改善了辨识的收敛性能．将该方法应用于某型直升机电动舵机的Volterra级数模型的辨识，结果表明，在保证一定精度的前提下，可以将核的数量降低50%以上．     

用Volterra级数描述非线性系统时Volterra核的计算

本文介绍了几种组合系统的Volterra核的计算方法,讨论了几种测量非线性系统的Voltrra核的方法,最后研讨了用最小二乘法求Volterra核的方法。     

一类非线性输入—输出映射的稳定性及Volterra级数映…

采用由Ｂａｎｋｓ与Ｃｈａｎａｎｅ在１９８８年引入的张量算子方法，研究了广义状态仿射系统的稳定性，还讨论了这类系统的Ｖｏｌｔｅｒｒａ级数映射的近似问题。     

功率放大器非线性失真的Volterra级数分析

讨论了功率放大器的非线性现象及其对通信系统的影响,运用Volterra级数分析了MESFET功率放大器的非线性失真,并阐述了非线性参数以及源阻抗和负载阻抗对交调失真的影响,为功率放大器的线性化研究提供了参考.     

基于Volterra级数模型的内模控制方法

针对一大类具有一定不确定性的非线性系统,提出基于Volterra级数模型的鲁棒内模控制器设计方法。利用局部形式的小增益定理,得到在辨识模型和实际对象模型失配的情况下,闭环系统鲁棒稳定的充分条件。对于设定点调节问题,得出闭环系统获得零稳态误差跟踪性能的充分条件。通过对一个连续搅拌反应池（CSTR）过程控制问题的仿真研究表明,应用该方法可以取得良好的控制效果。     

基于Volterra模型的一类通信系统的参数辨识

分析了Volterra级数理论对于非线性系统的模型建造的意义，提出了一类通信系统的适用于系统辨识的新模型──Volterra离散频域模型．应用此模型对一个具体的通信系统有效地进行了非线性故障诊断和参数辨识．     

一类非线性输入-输出映射的稳定性及Volterra级数映射的近似

采用由Banks与Chanane在1988年引入的张量算子方法,研究了广义状态仿射系统的稳定性,还讨论了这类系统的Volterra级数映射的近似问题。     

基于Volterra模型的一类通信系统的参数辨识

分析了Ｖｏｌｔｅｒｒａ级数理论对于非线性系统的模型建造的意义，提出了一类通信系统的适用于系统辨识的新模型－－Ｖｏｌｔｅｒｒａ离散频域模型，应用此模型对一个具体的通信系统有效地进行了非线性故障诊断和参数辨识。     

多输入多输出非线性系统Volterra频域核的非参数辨识方法

为解决多输入多输出(MIMO)非线性系统Volterra频域核辨识困难的问题,提出了一种MIMO非线性系统Volterra频域核的非参数辨识方法.该方法先对待辨识的MIMO非线性系统的各输入端添加不同频率成分的单音激励信号,再对系统的输出端信号进行采样并使用Vandermonde法使各阶核输出分离,然后根据单音激励下MIMO非线性系统Volterra核的频域输出特性,推导出该类系统Volterra频域核的辨识公式.由于采用了多音信号激励MIMO非线性系统,实现了一次激励下多点辨识的目的,因此提高了辨识效率.该方法仅依赖于系统的输入输出数据,具有较强的实用性.采用该方法对一个双输入双输出的非线性系统Volterra频域核进行辨识,最大偏差小于10-5,验证了该方法的有效性.     

基于AFS的一类非线性系统鲁棒故障诊断

针对一类非线性系统,首先设计了系统无故障时的状态观测器,给出了闭环系统稳定性定理并作了详细的证明。在此基础上,当系统发生故障时且存在外加干扰时,通过自适应模糊系统AFS(Adaptive Fuzzy Systems)构造了系统故障逼近器,研究了系统的鲁棒故障诊断。最后,仿真结果验证了文章所提出方法的有效性和鲁棒性。     

一类非线性系统的稳态模型估计及其强一致性分析

针对由Ｖｏｌｔｅｒａ级数描述的一类非线性系统，提出了采用设定点变化的阶跃信号辨识系统稳态模型的方法，得到了稳态模型的强一致性估计．研究了估计残差的渐近分布和收敛速度．最后的仿真结果显示了该算法的有效性和实用性．     

基于相关函数法的焊接过程非线性辨识

激光焊接过程是一个典型的带有扰动和噪声的非线性系统．采用相关一最小二乘法对非线性系统进行辨识可以得到未知参数的无偏估计,并且这种辨识方法不需要大量的样本数据．针对高功率二极管激光焊接控制系统,运用相关一最小二乘法的非线性辨识方法,建立了参数为线性的非线性模型．实际阶跃响应数据验证了此模型能够较好地代表焊接过程的稳态及动态特性．     

子集优化在非线性系统辨识中的应用

提出了一种基于子集优化的非线性系统辨识方法．该方法滑有对非线性系统激励信号的统计特性作任何假设,但它的计算量比现有的方法低,而对非线性系统输入输出数据量的要求也比现有的方法少,仿真结果表明,文中提出的方法是非常有效的。     

最小二乘小波支持向量机在非线性系统辨识中的应用

基于小波分解和支持向量核函数的条件,提出了一种多维允许支持向量小波核函数.该核函数不仅是近似正交的,而且适用于信号的局部分析、信噪分离和突变信号的检测,从而提高了支持向量机的泛化能力.基于小波核函数和正则化理论提出了最小二乘小波支持向量机(LS WSVM)并将LS WSVM用于非线性系统的辨识,提高了辨识效果,减少了计算量.仿真结果表明:LS WSVM在同等条件下比传统支持向量机的辨识精度提高约13 1%,因而更适合于工程应用.     

基于支持向量回归的非线性时间序列预测

针对实际系统的高度非线性及复杂动态性,把非线性时间序列建模与预测问题转换为函数回归估计问题.把具有全局最优性、较好泛化能力及训练效率高的最小二乘支持向量回归算法应用到非线性时间序列预测与建模中.最后给出了某市年电力负荷预测的应用实例,与传统支持向量回归算法相比,文章描述的方法具有较好的预测精度.     

基于神经网络的非线性系统辨识方法

主要介绍利用多层神经网络进行非线性系统辨识的几种模型以及相应的算法，并分析和比较它们的辨识性能．为高度不确定性动态系统的综合设计提出了一种分析方法。     

基于信道估计的非线性编码系统的信号检测算法

针对非同一分布的输入信号序列，线性分组方法不能设计出最优编码的问题进行研究，提出一种以信道估计为基础，对非线性分组编码进行解码的信号检测方法，将基本的最小均方(LMS)自适应算法推广到对二维空时编码信号的权矩阵自适应迭代估计过程．同时，分析了对输入信号序列编码所生成的非线性编码矩阵之间的相关性，运用解相关LMS自适应算法对时间选择性衰落信道进行估计．在白噪声情况下，根据估计信道和噪声统计量，推导出对非线性编码进行解码的最大似然决策方法．仿真实验表明，扩展LMS方法和解相关LMS方法跟踪时变衰落信道响应都具有较强的快速收敛性和系统稳定性，非线性空时分组编码系统比线性编码系统编码能力提高了2dB，运用最大似然决策方法使系统误码率降低了32%．