基于灰色累加和加权乘积的模型辨识算法

为了减少系统扰动对建模精度的影响,将灰色理论中累加求和的思想引入到模型辨识算法中。通过乘积加权的办法,突出当前采样数据对模型准确性的贡献,弱化历史数据的作用。提出一种广义的灰色模型辨识算法,该算法沿用了最小二乘法的框架,对建模数据没有非负的要求,不仅融合了灰色辨识算法的优点,而且满足一般系统的辨识要求。     

采用正交基函数构造的自适应滤波器

针对有限脉冲响应滤波器（FIR）和无限脉冲响应滤波器（IIR）的缺点,该文提出一种正交基自适应滤波器.该滤波器引入正交函数理论,利用系统模型与正交基函数之间的关联,预先获取系统的先验信息,从而兼有FIR和IIR两者的优点.文中给出了正交基滤波算法的计算公式,并分析了正交基滤波器与传统滤波器的异同点,最后对正交基滤波器进行了仿真和实验.结果表明：本文的滤波算法有着较快的收敛速度,无需很长的抽头数就可获得良好的滤波效果.