简化频域Volterra级数的S模式信号接收系统特性

采用简化频域Volterra级数研究分析输入信号为S模式应答脉冲的多点定位（multilateration,MLAT）系统的非线性特性。首先以典型超外差接收系统为例,探索建立多点定位系统的简化频域Volterra级数模型和误差率模型;其次,研究建立基于核函数的S模式应答脉冲信号模型;最后分析输入基于核函数的S模式信号时,简化频域Volterra级数的S模式信号接收系统模型误差率。仿真结果表明,当输入基于核函数的S模式信号时,信噪比为15dB的简化频域Volterra级数的接收系统模型误差率最小在23.23%以下;输入信噪比为16.25 dB的实际S模式测试信号时,该模型误差率最小在22%以下,小于误差率阈值。说明简化频域Volterra级数的接收系统模型可以准确地描述S模式信号接收系统的输出特性,为多点定位系统前导脉冲到达时间戳的识别奠定理论基础。     

基于自适应Volterra滤波器的非线性系统辨识

为了识别非线性系统的参数,本文提出了一种基于自适应Volterra滤波器的非线性系统辨识方法。给出了自适应Volterra滤波器的LMS和RLS算法。数值仿真结果表明,该方法对于非线性定常和时变系统都有效。     

基于简化Volterra级数的射频功率放大器建模与辨识

目前的射频功率放大器模型通常将其看作无记忆器件,但在宽带通信系统中,功率放大器的记忆效应明显,无记忆模型无法准确描述其输入输出特性.本文对功率放大器的Volterra级数模型进行了简化,在考虑记忆效应的同时,也有效克服了一般Volterra级数模型参数数量过于庞大的缺点.采用观测矩阵维数固定的递推最小二乘算法对模型参数进行辨识,不仅能实时跟踪射频功率放大器非线性特性的变化,而且减小了参数辨识所需的运算量和数据存储空间.     

测量前三阶Volterra核的QMMP算法

本文讨论频率域测量非线性系统Volterra核的快速准确算法。应用Volterra泛函级数和离散傅里叶变换理论于非线性系统,本文给出非线性系统在离散频率域的模型。应用该模型并适当地选取输入正弦信号的频率,可以同时多点地测量非线性系统的前三阶核。     

弱非线性动态系统Volterra核自动测试系统的研究

本文讨论弱非线性动态系统Ｖｏｌｔｅｒｒａ核自动测试系统的研制，应用Ｖｏｌｔｅｒｒａ泛函级数和计算机技术于非线性系统，本文结合频率域多点测量弱非线性系统前二阶核的算法ＱＭＭＰ２及测量前三阶核的算法ＱＭＭＰ３，设计了自动测试系统。本文给出应用该系统的两个测量实例。     

MIMO非线性系统辨识：Volterra级数法

本文讨论了一般ＭＩＭＯ非线性系统的Ｖｏｌｔｅｒｒａ级数表示,给出并证明了Ｖｏｌｔｅｒｒａ核矩阵存在的条件。提出了两种辨识Ｖｏｌｔｅｒｒａ核矩阵的方法,即随机响应法与脉冲响应法。给出了利用系统的输入输出信号计算Ｖｏｌｔｅｒｒａ核矩阵的公式。最后,利用仿真实例验证上述方法的有效性。     

沿轴线方向测量高阶Volterra核

本文给出沿轴线方向测量非线性电路和系统Volterra前三阶核的快速有效方法。这是作者们以前工作(1990)的续篇。引用以前工作的结果,并在输入信号中加入直流项,可以得到非线性系统在轴线上的高阶核H2(j,0),H3(j,0,0),H3(j1,j2,0)等。     

基于GFRF的弱非线性模拟电路特征提取

介绍一种基于GFRF分析的非线性模拟电路故障诊断方法,着重阐述这种故障诊断技术中电路特征的提取方案,重点解决了激励信号的设计,Volterra频域核测量等关键技术问题.利用Volterra频域核辩识非线性系统,确定电路的最高显著阶,设计合适的激励信号,用范德蒙特方法分离出电路的各阶响应,利用公式计算出Volterra频域核.     

基于离散小波变换的Volterra自适应预失真方法

高功率放大器(HPA)有记忆效应的非线性特性的线性化技术已成为当今卫星通信中研究的关键技术,其中数字基带预失真线性化技术是研究的一种热门技术.本文提出一种将离散小波变换应用到Volterra级数中的自适应预失真方法,并推导了基于此方法的LMS自适应算法的迭代公式.仿真结果表明,该方法不仅能大大地提高LMS的收敛速度,而且在高信噪比时能有效地提高系统的误比特率性能.     

闭环非线性对象辨识的模糊和神经网络方法

闭环系统的辨识是近年来国内很受重视的研究课题。本文基于闭环对象的历史数据，采用模糊方法构造系统的初始模型，以克服闭环数据稀疏给系统辩识带来的困难，并基于现场数据，采用ＯＬＳ算法对初始模型进行了修正，以提高系统的辨识精度。将这种方法应用于某合成氨过程的实际数据，得到了良好的辨识效果。     

使用变步长频域LMS算法的自适应Volterra均衡器

Volterra均衡器能够有效地克服卫星信道的非线性失真,但由于非线性均衡器的输入矩阵特征值扩展严重,使得自适应过程收敛缓慢。为克服这个缺点,提出应用变步长的频域LMS算法对Volterra均衡器的权值系数进行自适应更新。算法利用正交变换降低输入序列的相关性,同时动态地调整迭代步长提高均衡器的收敛速度。仿真结果表明与时域算法相比,均衡器的收敛速度提高了25倍左右;均衡器收敛后纠了信号的幅度和相位失真。     

基于遗传算法的直升机纵向通道频域辨识

针对传统算法容易陷入局部最小值和对初始条件敏感的缺陷,将经典的频域辨识技术与遗传算法相结合 ,以某无人直升机为背景进行了多输入多输出系统辨识的方法研究。将多变量频域法用于无人直升机纵向模型辨识,应用快速傅立叶变换进行了辨识对象输入输出信号时域到频域的转换,从而获得系统的频域特性;利用遗传算法的全局最优特性对搜索空间进行了选择、交叉、变异操作,用以获得符合系统频域特性的传递函数矩阵。仿真结果表明,辨识模型能够较好地逼近原模型。     

毫米波谐波振荡器的多模Volterra级数分析

本文基于Ｖｏｌｔｅｒｒａ级数和非线性转移函数理论，提出了一种分析毫米波谐波振荡器的新方法一多模Ｖｏｌｔｅｒｒａ级数法，并给出了描述其非线性特性的决定方程，通过求解一组非线性代数方程，便可计算出谐波振荡器的振荡频和幅度。文中给出了分析实例并与谐波平衡法等进行了比较，结果表明：这种方法具有理论严密、准确性高，适用范围广等特点特别是利用一次决定方程的结果作为其它非线性数值分析方法的初始估值，可大大地节约     

非线性网络Volterra级数表示的代数求解算法

本文基于非线性网络Volterra级数表示的辅助代数方法,提出了非线性网络n阶Volterra核和n阶非线性传递函数的代数编列算法。求取了非线性网络的规范形、三角形、对称形n阶Volterra核及相应的n阶非线性传递函数,同时也降低了非线性网络Volterra级数表示编列算法的复杂性。     

基于多种群遗传神经网络的非线性系统辨识

提高非线性系统的辨识精度,本文提出利用多种群遗传算法对BP神经网络权值进行优化,并将该算法用于非线性系统辨识中,取得了良好的效果。实验证明,与单纯采用BP神经网络辨识方法相比,本文方法对非线性系统有更强的辨识能力。     

用Volterra泛函级数理论分析非线性介质中的Maxwell方程

本文利用Ｖｏｌｔｅｒｒａ泛函级数理论从频域和时域详细分析了非线性介质中的本构关系、Ｍａｘｗｅｌｌ方程及其色散关系；以均匀各向同性的非线性介质板为例，数值计算了单色平面波料入射此介质板后的一级非线性近似下的基频反射；对非线性效应的影响进行了初步的分析。     

Volterra级数模型辨识算法的改进研究

本文研究了 Volterra级数模型全解耦辨识算法,提出Volterra级数模型并行辨识算法的设计思想,设计了并行算法.实验和仿真结果表明,该算法能有效减小模型的在线辨识时间,能有效克服Volterra级数模型辨识中的维数灾难问题,且收敛速度快、稳态精度高,有利于实现工程应用.     

一种基于模糊神经网络的非线性系统模型辨识方法

该文提出一种非线性系统的模型辨识方法。通过结构的辨识(学习)和参数的辨识(学习),构造了一个模糊神经网络,经调整网络的权值,获得一个精确的模糊模型。对两个非线性系统辨识的仿真结果验证了该方法的有效性。