基于递阶原理的非均匀采样非线性系统的模糊辨识

针对非均匀多采样率非线性系统的建模问题,提出了基于递阶原理的模糊辨识方法.首先,分析了非线性系统在输入信号非均匀周期刷新,输出信号周期采样的情况下,非线性系统可以通过提升技术,利用多个局部线性模型加权组合的模糊模型来描述.在此基础上,利用GK模糊聚类确定模糊模型前件结构,利用基于递阶原理的递推最小二乘辨识算法辨识模糊模型后件参数.同时,通过鞅定理对辨识算法的收敛性进行了研究.最后,通过仿真实例证明了本文方法的有效性.     

弱非线性时间序列模型及其在惯性航姿系统中的应用

本文基于捷它螺随机漂移的弱非线性提出了弱非线性时间序列模型，并用卡尔曼算法对其进行了辨识。文中应用此方法建立了捷联陀螺随机漂移模型，并在双曲位置转台上对惯性航姿系统进行了补偿。     

基于输出信号过采样的RoF下行链路辨识

在分析ROF(Radio over Fiber)系统的组成与下行传输模型的基础上,提出了一种对ROF系统下行链路模型的辨识算法.ROF下行链路由非线性无记忆的光纤链路和一个时变的线性多径无线信道组成,通过对ROF系统输出的失真信号进行过采用,从而辨识出无线信道的传输函数,重构ROF系统的中间信号,最后由系统的输入信号和重构的中间信号估计出ROF系统非线性链路的模型参数.通过仿真分析表明,该算法对ROF系统下行链路模型辨识的有效性.     

基于Saleh函数的功放行为模型研究

如何精确地模型功率放大器以及模型的适用情况是系统仿真时重要的研究方面.文中在原始Saleh模型的基础上,提出了基于Saleh函数的无记忆和有记忆的非线性功放模型.利用Freescale半导体晶体管MRF21030器件模型及设计的电路从ADS中导出输入输出数据,对两种模型进行了仿真实现,得出了归一化均方根误差,并和多项式模型误差进行比较.结果表明,该模型简化了原Saleh模型的结构和减少了系数,能够精确描述功率放大器的非线性和记忆效应,适用于弱非线性系统电路中.     

弱信号检测领域中随机共振的理论及应用研究

随机共振(SR)是指在一定的非线性条件下,由弱周期信号和噪声(随机干扰)合作而导致的系统强周期输出的现象.介绍了随机共振的起源和绝热近似理论、本征值理论、非周期理论、自适应理论等随机共振理论;提出了实验研究中常用的测度方法及指标,并介绍了近年来国内外各个领域利用随机共振检测弱信号的应用研究实例.最后对随机共振的研究进展做了概括分析.     

改进型并行双非线性模型的ROF 系统非线性建模

包含光载无线通信(ROF)链路和射频功放的ROF 前传系统存在严重的静态非线性和记忆效应,提出了改进型并行双非线性广义记忆效应模型(APTGMEM),以准确建模ROF 前传系统的强静态非线性和记忆效应。所提出的APTGMEM 包含无记忆和广义记忆效应两个独立部分,其中无记忆部分只考虑高阶静态非线性,广义记忆效应部分只考虑低阶次超前广义非线性。文中采用带宽为20 MHz 的4G LTE(Long Term Evolution 长期演进)信号为测试信号,光模块和峰值输出功率为51dBm 的Doherty 功放被用于模型有效性验证。测试结果表明,APTGMEM 相比广义记忆多项式模型(GMPM),模型系数减少40%,而建模精度相似,同时比并行双非线性两厢模型(PDNTBM)建模精度提高了3. 6 dB,其在建模精度、系数数量和训练复杂度上取得了良好折中。     

基于操作轨迹模型的非线性预测控制算法

针对工业过程的非线性,本文首先提出了一种操作轨迹非线性模型的辨识方法:根据调度变量的操作轨迹,选取若干个典型工作点;在各个典型工作点,辨识各自的线性模型;根据测试数据以及过渡数据,得到全局插值非线性模型.在此基础上,本文进一步提出一种基于操作轨迹模型的非线性预测控制算法,并采用多步线性化方法进行问题求解.由于仅需要在典型工作点上进行测试,降低了全局建模的辨识成本,而且控制品质好,仿真结果表明了该算法的有效性.     

一种短波信道中数字信号调制方式识别算法

短波天波信道存在多径效应及冲击和高斯噪声.针对短波信道特点,提出先利用零记忆非线性系统抑制冲击噪声,后分段盲均衡,基于最大后验概率识别的分类方法.零记忆非线性系统可抑制冲击噪声,而让信号无失真通过.分段均衡减弱信道时变和参数估计误差对均衡器影响.由于冲击噪声的瞬时性和信道时变性,使每段信号均衡效果并不一样,采用最大后验概率的方法选用均衡效果最好的一段信号识别.仿真表明,在典型短波信道且含有冲击噪声情况下,信噪比10 dB时,平均识别概率大于90%,该算法适合在实际中应用.     

基于高斯核显性映射的核归一化解相关仿射投影P范数算法

为了降低核仿射投影P范数(KAPP)算法的计算量和存储容量,提高在输入信号强相关时KAPP算法的收敛速度和稳态性能,该文提出基于高斯核显性映射的核归一化解相关APP(KNDAPP-GKEM)算法。该算法利用归一化解相关方法预先解除输入信号的相关性;利用高斯核显式映射方法近似得到显式核函数,消除了对历史数据的依赖,解决了KAPP算法因结构不断生长导致的计算量和存储容量过大的问题。α稳定分布噪声背景下的非线性系统辨识仿真结果表明,在输入信号强相关时KNDAPP-GKEM算法收敛速度快,非线性系统辨识稳态均方误差小,训练所需时间呈线性缓慢增长,有利于实际非线性系统辨识的应用。     

具有维纳-哈默斯坦模型结构非线性 系统的一种辨识方法

 本文综合应用相关分析法、多维z变换、解卷积和最小二乘法提出了一种新的辨识具有维纳-哈默斯坦模型结构非线性系统的方法.采用这种方法,维纳-哈默斯坦模型中的两个线性子系统以及非线性子系统的参数均可以分别进行辨识估计,算法简单,数据量小.大量仿真结果表明,本文所提出的辨识方法是正确有效的.