共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
遥测设备的低仰角跟踪技术 总被引:3,自引:0,他引:3
分析了遥测设备在跟踪低仰角目标时多径效应的影响,提出了采用偏轴单脉冲技术、实时渐消记忆递推最小二乘估计以及综合利用多信息源的方式等措施,来有效减少多径效应引起的天线抖动、测角误差,从而确保对目标的平稳跟踪,并通过外场的低仰角跟踪试验,对这些措施的有效性作了检验。 相似文献
3.
从系统辨识的角度研究最小方差控制中的参数递推辨识问题.对于最小方差闭环控制中的ARMAX模型未知参数矢量,采用多新息递推最小二乘辨识和分离迭代的递推最小二乘辨识法在线辨识和估计ARMAX模型中的未知参数矢量.在白噪声干扰下,两种辨识方法都能得到未知参数矢量的无偏估计;而在有色噪声干扰下,仅分离迭代的递推最小二乘辨识法才能给出参数的无偏估计值.最后用仿真算例验证了方法的有效性和可行性. 相似文献
4.
5.
从系统辨识的角度研究最小方差控制中的参数递推辨识问题。对于最小方差闭环控制中的ARMAX模型未知参数矢量,采用多新息递推最小二乘辨识和分离迭代的递推最小二乘辨识法在线辨识和估计ARMAX模型中的未知参数矢量。在白噪声干扰下,两种辨识方法都能得到未知参数矢量的无偏估计;而在有色噪声干扰下,仅分离迭代的递推最小二乘辨识法才能给出参数的无偏估计值。最后用仿真算例验证了方法的有效性和可行性。 相似文献
6.
7.
8.
针对Wiener非线性时变系统的参数辨识问题,该文提出一种基于重复轴的迭代学习算法来实现对时变甚至突变参数的估计.文中将维纳系统输出非线性部分的反函数进行多项式展开,进而构造了回归模型,未知参数及中间变量用其估计替代,分别给出了采用迭代学习梯度算法和迭代学习最小二乘算法实现时变参数辨识的方法.仿真结果表明,与带遗忘因子的递推算法和迭代学习梯度算法相比,迭代学习最小二乘算法更具有参数估计收敛速度快,辨识精度高,系统输出误差小等优势,验证了所提学习算法的有效性. 相似文献
9.
10.
在系统常值误差未知的情况下对线性时变随机系统误差协方差进行估计的新方法。该方法通过构造一个新的时间序列,其协方差由未知参数的线性组合组成,然后用递推最小二乘法来计算新序列的协方差,该方法并不需要任何关于噪声的先验知识。从仿真结果来看达到了满意的效果。 相似文献
11.
12.
为了更好的描述超级电容的电气特性,需要建立超级电容模型。提出系统辨识方法进行建模,阐述了系统辨识的原理和递推增广最小二乘法算法,在此基础上利用MATLAB编写递推增广最小二乘法程序估计出超级电容的传递函数,通过仿真对辨识结果进行验证。可知,该超级电容模型是正确有效的。 相似文献
13.
针对Wiener非线性时变系统的参数辨识问题,该文提出一种基于重复轴的迭代学习算法来实现对时变甚至突变参数的估计。文中将维纳系统输出非线性部分的反函数进行多项式展开,进而构造了回归模型,未知参数及中间变量用其估计替代,分别给出了采用迭代学习梯度算法和迭代学习最小二乘算法实现时变参数辨识的方法。仿真结果表明,与带遗忘因子的递推算法和迭代学习梯度算法相比,迭代学习最小二乘算法更具有参数估计收敛速度快,辨识精度高,系统输出误差小等优势,验证了所提学习算法的有效性。 相似文献
14.
15.
扩频系统中最优干扰抑制技术研究——盲自适应算法及并行实现 总被引:2,自引:0,他引:2
为解决扩频系统在动态环境下的干扰抑制问题,分析了从最小均方误差(MMSE)准则和约束最小均值输出能量(MMOE)准则导出的递推最小二乘(RLS)算法和盲递推最小二乘(BRLS)算法的性能。采用正交三角分解克服两算法数值稳定性差,运算量大,很难并行实现的缺点,讨论了正交三角分解——递推最小二乘(QR-RLS)算法与正交三角分解——盲递推最小二乘(QR-BRLS)算法的配合使用,并给出实现QR-RLS算法和QR-BRLS算法的脉动阵列(systolic array)。理论分析和仿真结果均表明QR-RLS与QR-BRLS算法的合理配合能较好的解决动态环境下的干扰抑制问题。 相似文献
16.
在自适应滤波算法中,空域递推最小二乘(RLS)算法以其较快的收敛速度以及能计算出精确的最佳滤波器系数等优势得到了广泛的运用。但是由于该算法较为复杂,计算量大,因此硬件实现时耗费资源多,难度大。提出了一种任意维空域递推最小二乘算法的FPGA(现场可编程门阵列)实现的方法,该方法可以在硬件结构中使用较少的乘法器和寄存器进行任意维空域递推最小二乘运算,从而解决维数变多后资源不够用的问题。 相似文献
17.
18.
建立了典型雷达伺服传动系统的模型,分析研究了最小二乘递推算法,并使用该方法对实际雷达伺服传动系统进行了实验验证。结果表明最小二乘递推方法精度较高,适合在线参数辨识,对实际雷达伺服传动系统研究具有重要意义。 相似文献
19.
递推混合最小二乘在红外焦平面阵列非均匀校正中的应用 总被引:1,自引:0,他引:1
基于递推最小二乘(RLS)的红外焦平面阵列非均匀校正算法具有计算量和存储量小等优点,易于工程实现.但RLS并不完全满足实际问题模型的要求,因此拟合出的噪声参数存在严重偏差.提出了一种利用递推混合最小二乘(RMLS)替代RLS进行非均匀校正的算法,它不但具有原方法的各种优点,而且由于符合问题模型的基本特征,因此在拟合精度和收敛速度方面都优于RLS.文中实验结果也验证了该方法的有效性. 相似文献
20.
该文提出了一种用递推最小二乘法训练傅里叶基神经网络权值的频谱分析方法。其主要思想是采用递推最小二乘法训练傅里叶基神经网络权值,根据权值获得信号的幅度谱和相位谱。该方法不涉及复数的乘法运算和加法运算,便于软件和硬件实现,特别适合于DSP软硬件实现。仿真结果表明,该方法不仅计算精度高,计算速度快,而且具有噪声滤波功能,是一种有效的频谱分析方法。 相似文献