模型参考自适应IIR递归滤波器辨识新算法

针对自适应IIR滤波器算法容易陷入局部极小点的缺陷,提出了一种新的自适应递归滤波辨识算法.该算法采用模型参考自适应系统设计了辨识参数自适应律,基于Lyapunov理论保证了自适应递归算法的稳定性,而且辨识参数收敛.仿真结果表明了该算法的可行性和滤波器结构的正确性.     

基于粒子群优化算法的自适应IIR滤波器设计

针对自适应无限冲激响应(infinite impulse response,IIR)数字滤波器的设计实质上是一个多参数优化问题,提出了一种用粒子群优化算法(particle swarm optimization,PSO)设计IIR数字滤波器的方法.将滤波器的设计问题转化为滤波器参数的优化问题,利用粒子群优化算法对整个参数空间进行高效并行搜索以获得参数的最优化,基于多个典型系统的随机数值仿真以及与最小二乘方法的比较研究,验证了该方法的有效性、全局性和对初值的鲁棒性.     

基于系统辨识的自适应混沌同步控制研究

在切换流形控制混沌系统同步的基础上,提出一种基于系统辨识的自适应混沌同步控制策略。理论分析和仿真结果表明,利用该控制策略可以实现在系统参数未知且具有不同初始点情况下的混沌系统的同步控制。     

一种非线性自适应混沌时间序列预测方法

基函数线性叠加的混沌时间序列预测算法不具有动态特性和明确的物理意义。改进的策略使用与混沌序列的非高斯特性相联系的函数作为基函数,使其能解释为表征混沌序列的高阶统计特性。同时,在算法中引入非线性反馈环节,使其具有了动态特性。数值仿真表明,以之为基础的自适应预测算法在一步预测性能和长期预测能力方面都优于常用的线性预测方法和已有的自适应预测算法。     

基于结构自适应滤波方法的非线性系统辨识

针对非线性系统辨识中定结构参数辨识局限性高和辨识率低的问题,将结构自适应引入辨识的优化,提出一种基于子系统的结构自适应滤波（SSAF）方法。该方法的模型由若干子系统级联而成,每一个子系统均为线性-非线性混合结构。子系统的线性部分是一个一阶或二阶可选的无限脉冲响应滤波器（IIR）,非线性部分则是一个静态的非线性函数。初始化中,子系统的参数随机产生,生成的若干子系统按照设定的连接规则进行随机连接,而不含反馈的连接机制确保了非线性系统的有效性。采用一种自适应多精英引导的复合差分进化（AMECoDEs）算法用于自适应模型循环优化,直至找到最优的结构和参数,即全局最优。实验结果表明,SSAF方法在非线性测试函数以及真实数据集上的表现优异,辨识率高且收敛性好,与聚焦时滞递归神经网络（FTLRNN）相比,它所用参数的个数仅为FTLRNN的1/10,且适应值精度提高了7%,验证了所提方法的有效性。     

自适应IIR滤波器设计策略研究

根据IIR滤波器存在突出的缺点,对自适应IIR滤波器设计进行策略性研究。分别讨论输出误差法(OEM)和方程误差法(EEM)在设计自适应滤波器的应用。通过对仿真结果进行分析比较,修正的EEM克服OEM在设计结果中存在多个局部极小值的不足,优于OEM。从而提出设计自适应滤波器的策略和实现途径。     

基于参数辨识的自适应时滞混沌系统同步

在同步控制器的研究中,估计系统的未知参数是实现混沌同步必须解决的关键技术,研究参数不确定情况下为了时滞混沌系统的同步.根据Lyapunov-krasovskii泛函理论,研究了一类参数不确定的多维时滞混沌系统同步问题.采用参数辨识与自适应技术,通过数学推导证明,分别设计了时滞同步控制器和参数自适应律.以三维和四维时滞混沌系统为例,通过仿真,证明系统能达到较满意的同步效果,并且未知参数能够得到较好的辨识,说明设计方法具有有效性和普适性.     

自适应CRBF非线性滤波器及其改进学习算法

传统的随机梯度算法由于采用基于二阶统计量的平方误差代价函数,因此含有的信息量较少,难以实现更高的精度。针对此问题,以基于高阶统计量的指数平方误差作为代价函数,结合基于两层RBF网络凸组合的非线性自适应滤波器,提出了最小指数平方误差自适应学习算法。非线性系统辨识和非线性信道均衡的实验仿真结果表明,该改进算法的收敛性能明显优于传统的随机梯度算法。     

基于δ算子的滑动窗自适应格形滤波器

本文利用最小二乘几何投影方法详细推导了一种基于滤波器δ算子的滑动窗自适应格形滤波算法，瘩深入讨论了这种滤波器在系统辨识和参数变化检测中的应用。     

基于非线性微分方程的混沌产生和辨识方法研究

利用非线性微分方程的数值解法,得到典型非线性微分方程所产生的混沌信号,详细研究该信号的特征,进而提出基于"相关平面"混沌和噪声的辨识方法.可以看出基于非线性微分方程可以得到不含噪声的混沌信号,所提出的辨识方法简单、直观、且具有较强的抗噪声能力.     

Adaptive Fuzzy PID Control Method Based on Identification Structure

I. INTRODUCTION There are more or less non-linear systems in industry process and sometimes it is hard or hardly to find an accurate model, so the common PID control cannot realize the accurate control on these conditions. Fuzzy control does not need to find an accurate mathematic model, so it is applied more and more widely in industry process and many other realms [1,2]. This paper use identification structure at first to establish the mathematics model, and then use logical reasoning …     

基于进化规划的自适应IIR滤波

针对基于梯度下降算法的自适应IIR滤波器（AIIRF）具有潜在的不稳定性和性能指标函数容易陷入局部极小而导致性能下降等问题，本文将进化规划用于AI－IRF的优化设计，不仅解决了AIIRF系统稳定性问题，而且有效地实现了滤波器性能指标函数的全局寻优和快速收敛，同时允许大动态范围的输入号。计算机仿真结果验证了基于进化规划算法的AIIRF的性能优于基于梯度算法的AIIRF，尤其对高阶、极点靠近单位圆的自适应IIR滤波器。     

采用HDPLD实现高速IIR数字滤波器

以IIR数字滤波器的基本理论为依据,利用查找表结构确定了IIR高速数字滤波器的硬件实现方案,按照层次化、模块化的设计思路,使用VHDL硬件描述语言,采用高密度可编程逻辑器件进行了高速IIR滤波器的这一应用技术问题的硬件设计并进行了仿真。     

基于FPGA的流水线LMS自适应滤波器设计

流水线自适应数字滤波器因为有反馈环路而不同于普通流水线滤波器,采用弛豫超前技术对最小均方（LMS）自适应滤波器的失调误差和自适应时间常数进行了流水线分析.利用MATLAB/Simulink中DSP Builder模块库设计了不同延迟参数下滤波器的性能.最后应用FPGA的设计软件QuartusⅡ分析了流水线自适应滤波器的时钟速度和消耗逻辑单元数.实验表明：选取合适的延迟参数可以显著提高自适应滤波系统的时钟速度.     

基于核自适应滤波器的时间序列在线预测研究综述

核自适应滤波器(Kernel adaptive filter, KAF)是时间序列在线预测的重点研究领域之一, 本文对核自适应滤波器的最新进展及未来研究方向进行了分析和总结. 基于核自适应滤波器的时间序列在线预测方法, 能较好地解决预测、跟踪问题. 本文首先概述了三类核自适应滤波器的基本模型, 包括核最小均方算法、核递归最小二乘算法和核仿射投影算法(Kernel affine projection algorithm, KAPA). 在此基础上, 从核自适应滤波器在线预测的内容和机理入手, 综述基于核自适应滤波器的时间序列在线预测方法. 最后, 本文将介绍这一领域潜在的研究方向和发展趋势, 并展望未来的挑战.     

基于非线性数字滤波器的混沌Hash函数设计

在分析变系数非线性数字滤波器的混沌特性的基础上,提出一种带密钥的混沌Hash构造方法.首先构建能产生高维混沌序列的非线性数字滤波器;然后通过混沌调制方式将明文信息注入滤波器均匀分布的混沌轨迹中;最后以扰动映射和滤波器的初态作为密钥,以轨迹的粗粒化量化形成明文的Hash值.研究表明,该算法简单快速,比基于单一混沌映射的Hash算法安全性更高;同时,滤波器结构中没有复杂的浮点运算,比一般复合混沌系统更易于软硬件实现.     

A Data-Reusing Nonlinear Gradient Descent Algorithm for a Class of Complex-Valued Neural Adaptive Filters

A complex-valued data-reusing nonlinear gradient descent (CDRNGD) learning algorithm for a class of complex-valued nonlinear neural adaptive filters is introduced and the affinity between the family of data-reusing algorithms and the class of normalised gradient descent algorithms is examined. Error bounds on the class of complex data-reusing algorithms are established and indicate the stability of such algorithms. Experiments on nonlinear inputs show the class of complex data-reusing algorithms outperforming the standard complex nonlinear gradient descent algorithms and converging to the normalised complex non-linear gradient descent algorithm without experiencing the stability problems commonly encountered with normalised gradient descent algorithms. This revised version was published online in June 2006 with corrections to the Cover Date.     

基于参数自适应方法的统一混沌系统的同步控制

采用参数自适应控制方法，根据Lyapunov稳定性原理，通过构造适当的控制函数和设计参数的自适应控制律，分别实现了系统在不同确定参数和相同不确定参数两种情况下的统一混沌系统的同步导出在这两种情况下的统一混沌系统能实现同步的充分条件.相同不确定参数情况下的同步系统控制器结构更简单、同步性能更优．数值仿真证明了该方法的有效性．     

基于鲁棒小波网络的非线性系统辨识

分析了传统小波网络的不足,同时考虑到实际中学习样本可能被非高斯白噪声干扰的情况,提出用于辨识非线性系统的鲁棒正交小波网络,并对辨识精度和收敛性进行了分析。理论分析和仿真研究表明,该文提出的方法是有效的。     

一种新的数据驱动的非线性自适应切换控制方法

针对一类非线性离散时间动态系统, 提出了一种新的非线性自适应切换控制方法. 该方法首先把非线性项分解为前一拍可测部分与未知增量和的形式, 并充分利用被控对象的大数据信息和知识, 把非线性项前一拍可测数据与未知增量都用于控制器设计, 分别设计了线性自适应控制器, 带有非线性项前一拍可测数据补偿的非线性自适应控制器以及带有非线性项未知增量估计与补偿的非线性自适应控制器. 三个自适应控制器通过切换函数和切换规则来协调控制被控对象. 既保证了闭环系统的稳定性, 同时又提高了闭环系统的性能. 分析了闭环切换系统的稳定性和收敛性. 最后, 通过水箱液位系统的物理实验, 实验结果验证了所提算法的有效性.