排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
针对输出误差自回归系统(output error autoregressive system,OEAR)辨识参数误差大,收敛速度慢的问题,本文将递阶辨识原理与梯度迭代算法(gradientbased iterative algorithm,GI)运用到输出误差自回归系统的辨识过程中,针对该系统的算法进行推导,提出了基于分解的输出误差自回归系统的梯度迭代算法。将输出误差自回归系统分解成2个子系统,通过梯度迭代算法分别对2个子系统进行辨识,最后用Matlab仿真实例进行仿真。仿真结果表明,在输入信号的作用下,系统能够更快速的收敛到比原有算法误差更小的范围内,验证了该算法的有效性。 相似文献
3.
4.
5.
6.
利用递阶辨识原理、多新息辨识理论,研究和提出AR-OEARMA系统的辅助模型递阶广义增广随机梯度算法、辅助模型递阶多新息广义增广随机梯度算法、辅助模型递阶广义增广递推梯度算法、辅助模型递阶多新息广义增广递推梯度算法、辅助模型递阶广义增广最小二乘算法、辅助模型递阶多新息广义增广最小二乘算法.这些辅助模型递阶递推辨识方法可... 相似文献
7.
8.
9.
10.
变间隔辨识概念是处理损失数据系统和稀少量测数据系统辨识的一种有效方法.利用变间隔辨识概念和递阶辨识原理,研究了线性回归系统的变间隔递阶梯度迭代辨识方法、变间隔递阶多新息梯度迭代辨识方法、变间隔递阶最小二乘迭代辨识方法、变间隔递阶多新息最小二乘迭代辨识方法等.这些变间隔递阶迭代辨识方法可以推广到其他有色噪声下的线性和非线... 相似文献