多变量线性系统的递推辨识算法

变量系统的结构辨识是很麻烦的,Guidorzi[1]提出了一个辨识不变性指标的方法,但必须用矩阵求逆.本文给出一个递推确定结构指标的算法,不需要求行列式的运算,并且一旦确定了子系统结构,随即得到参数估计值,没有重复的运算.所需计算量比Guidorzi[1]方法大大减少.     

递推最小二乘参数辨识与仿真实例

介绍了基于递推最小二乘法进行系统辨识的基本原理,对给定的实际输入输出数据运用MATLAB的M语言编写递推最小二乘算法,最后给出相应的仿真结果和分析,并对得到的模型进行验证。     

一种递推最小二乘图象参数辨识

本文提出一种递推最小二乘参数辨识方法,着重讨论了该方法用于处理空变图象的情况及与同类方法的比较,并进行了实验验证。     

递推最小二乘法辨识连续带钢热镀锌退火炉模型参数

提出了用递推最小二乘法辨识连续带钢热镀锌退火炉模型参数.在已建立的连续带钢热镀锌退火炉数学模型的基础上,经过分析计算确定模型参数.考虑到最小二乘法的缺陷,选用递推最小二乘法进行参数辨识,并结合实例给出辨识结果和分析,证明了该方法的可行性.     

基于递推最小二乘法的温箱系统辨识

温箱在生活中应用越来越广泛,对于温箱的精确控制已成为一项重要课题,所以对于温箱模型的分析和确定十分重要。以温箱为辨识对象,在温箱热稳定的基础上给温箱输入M序列辨识信号来获取辨识数据。采用递推最小二乘法对温箱进行辨识并按照残差定阶法对温箱系统进行定阶、定型。最后在MATLAB中仿真并验证。     

基于递推最小二乘的荧光补偿参数辨识方法

研究流式细胞仪样本检测数据的荧光光谱重叠补偿问题.针对全矩阵补偿算法中补偿矩阵参数的获取,提出了一种使用多变量系统的递推最小二乘算法辨识补偿矩阵参数的方法.在全矩阵补偿方法的基础上,用单染色荧光光谱线性和对多染色荧光实际测量光谱进行近似,并使用多变量系统的递推最小二乘算法辨识系统参数获得补偿矩阵的元素.仿真结果表明,利用多变量系统的递推最小二乘算法进行荧光补偿与一般最小二乘算法相比,补偿结果的CV值相对误差在2％以内,进而验证了所采用的算法的有效性与可行性.     

基于MATLAB的递推最小二乘法辨识与仿真

通过对最小二乘算法的分析,推导出了递推最小二乘法的运算公式,提出了基于MATLAB/Simulink的使用递推最小二乘法进行参数辨识的设计与仿真方法。并采用Simulink建立系统的仿真对象模型和运用MATLAB的S-函数编写最小二乘递推算法,结合实例给出相应的仿真结果和分析。仿真结果表明,该仿真方法克服了传统编程语言仿真时繁杂、难度高、周期长的缺点,是一种简单、有效的最小二乘法的编程仿真方法。     

损失数据线性参数系统的递推最小二乘辨识方法

针对损失数据线性参数系统的参数辨识问题, 借助辅助模型辨识思想推导出其变递推间隔辅助模型递 推最小二乘算法.为了提高该算法的计算效率, 利用分解技术得到变递推间隔分解递推最小二乘算法 估计系统参数.此外, 在变递推间隔分解递推最小二乘算法中引入遗忘因子, 从而提高参数估计精度和收敛速度.仿真结果表明, 所提出的算法能有效估计系统参数.     

最小二乘法参数辨识及其微机实现

最小二乘法是系统参数辨识中最基本、最成熟的方法,在微机上实现最小二乘法辨识参数,使参数辨识和建模得到了从理论到实际应用的飞跃。     

基于动态遗忘因子递推最小二乘法的永磁同步电机参数辨识算法

针对固定遗忘因子递推最小二乘法(RLS)在永磁同步电机参数识别中难以同时保证快速性和鲁棒性的问题,提出一种动态调节遗忘因子大小的递推最小二乘参数识别算法.分析了遗忘因子对RLS算法的影响特性,以理论模型与实际模型输出的差值为变量构建遗忘因子调节函数,实现遗忘因子动态调整.仿真结果表明,相比于固定遗忘因子RLS算法,改进...     

多变量双线性系统的递推辨识及实现

本文对一类双线性系统给出了输入输出描述的一般形式。同时对于Popov选择路线下的规范形式,给出了辨识结构和参数的递推算法,以及简单易行的实现算法,这些算法可以很方便地在计算机上实现。     

时变系统有限数据窗最小二乘辨识的有界收敛性

利用随机过程理论证明了有限数据窗最小二乘法的有界收敛性,给出了参数估计误差 上界的计算公式,阐述了获得最小均方参数估计误差上界时数据窗长度的选择方法.分析表明, 对于时不变随机系统,数据窗长度越大,均方参数估计误差上界越小;对于确定性时变系统,数 据窗长度越小,均方参数估计误差上界越小.因此,对于时变随机系统,一个折中方案是寻求一 个最佳数据窗长度,以使均方参数估计误差最小.该文的研究成果对于提高辨识算法的实际应 用效果有重要意义.     

基于递推最小二乘自适应滤波算法的图像去噪

递推最小二乘RLS(Recursive of Least Square)算法是自适应滤波算法中的精确分析算法。它具有收敛速率快,精确度高等特点,但是发现目前RLS算法多用于对一维信号的去噪处理。使用递推最小二乘(RLS)算法对二维图像进行去噪,从处理一维信号变成处理二维图像信号,需要对RLS算法进行改进。先迭代得到滤波器参数,形成3×3滤波掩模,再改进算法对图像进行滤波;同时与常数比率维纳滤波和自相关函数的维纳滤波算法的去噪效果进行对比。结论证明在对图像进行较严重的模糊和加噪处理后,其他两种算法对图像的还原能力差,而递推最小二乘自适应滤波(RLS)算法具有优良的图像去噪性能。     

多维ARMAX系统辨识的一种新的递推预报误差算法

本文根据预报误差(RPE)算法的思想,对多输入-多输出 ARMAX 模型 A(z)y_n=B(z)u_n C(z)ε_n 发展了一种新的辨识算法.由于在算法中加了矩阵多项式 C(z)的稳定性检验,这一种算法比推广最小二乘算法具有更快的收敛速度,这个结果在计算机仿真中得到了证实.     

多变量线性循环系统的递推辨识方法

本文讨论带有观测噪声的多输入多输出(MIMO)线性循环(cyclic)系统的辨识问题,利用循环系统特有的性质,本文提出了一种相关函数——增广矩阵递推辨识算法,一次辨识出系统的阶数和参数,从而避免了逐一辨识系统结构指数的复杂过程,计算机模拟算例表明,本文提出的算法是有效的。     

基于Levenberg-Marquardt算法和最小二乘方法的小波网络混合学习算法

本文针对小波网络现有学习算法的不足,把Levenberg-Marquardt算法(简称LM算法)和最小二乘算法有机地结合在一起,提出了一种新的小波网络混合学习算法.在该混合算法中LM算法用来训练小波网络的非线性参数,而最小二乘算法用来训练线性参数.最后以辩识一个混沌系统为例进行了数值仿真,并与改进的BP算法和单纯LM算法进行了比较,结果说明了所提算法具有很好的收敛性能和收敛速度.     

线性多变量连续系统参数的高精度辨识

本文从构造过程输入和输出量的导函数的思想出发,提出了线性多变量连续系统参数辨识的新方法。文中说明它对开环及闭环系统均为适用,且所得到的参数的估计值在理论上就是系统的真值参数。     

PARAMETRIC IDENTIFICATION OF LINEAR NOISY INPUT-OUTPUT SYSTEMS

An efficient method is proposed for identification of linear noisy input-output systems. Central to this method is that the variances of the input and output noises, which determine the bias in the ordinary least-squares (LS) estimator, are estimated in the way of increasing the degrees of both the denominator and the numerator of the system transfer function by one, but with no need to evaluate the average LS errors. While achieving estimation unbiasedness, the proposed method exhibits algorithmic advantages over the LS-based algorithms recently developed. Performance comparisons with other existing estimation algorithms based upon computer simulations are given.