1例厌氧链球菌感染性肌炎患者的消毒隔离

分析了递推最小二乘法的基本原理,提出采用渐消的最小二乘参数实时递推法对某压电陀螺的随机漂移进行实时自回归(AR)建模后,并进行卡尔曼(Kalman)滤波处理.同时,该文还提出利用一种自适应补偿法对陀螺随机漂移进行补偿,最终将陀螺精度提高了3倍多.仿真结果表明,无论是处理效果,还是硬件实现的实时性都表明,这些处理方法可实现并能得到应用.     

遥测设备的低仰角跟踪技术

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。     

最小方差控制中的参数递推辨识

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.     

一种加权广义预测自适应递推优化控制算法

文章给出了一种时变遗忘因子递推最小二乘-递推增广最小二乘(RLS—RELS)的性能指标加权的广义预测自适应的优化控制算法,解决了模型反馈校正中控制参数与噪声干扰紧耦合情况下参数估值变慢的问题,通过在线递推估计参数,提高了系统计算速度,并且在优化控制量过程中给出一种简便收敛递推算法,避免了逆阵的计算,提高了效率和精度,增强了鲁棒性,仿真效果表明了该算法优于传统的广义预测控制算法.     

最小方差控制中的参数递推辨识

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。     

用于无线快衰落信道的快速自适应估计新算法

提出了一种用于无线快衰落信道的快速自适应估计新算法--拆分基展开递推最小二乘法.该算法通过利用多径信道之间相互独立的特性,减少了传统基展开递推最小二乘法在相关运算过程中的冗余.实验结果表明,提出的新算法与传统的基展开递推最小二乘法比较,在得到同样信道估计精确度的条件下,算法的复杂度降低了约80%.     

一种提高轨道预测精度的递推估值算法

测控雷达系统必须具有跟踪目标速度快、精度要求高等特点,并且当目标信号受到障碍物遮挡目标丢失后,要求测控系统能够对目标运行轨迹进行精确预测,提高目标重新出现后的重捕概率。为了提高轨道预测精度,在轨道跟踪算法基础上引入了最小二乘法数据外推理论,使用最小二乘法对丢失后的目标轨道数据进行了预估值外推分析,并针对最小二乘法数据外推随着时间增长精度快速变差的缺点,引入了递推的最小二乘法。通过实验和数据分析表明,使用递推最小二乘法能够大幅度提高目标丢失5 s内的轨道预测精度,满足雷达测控系统记忆跟踪和目标重捕的要求。     

一类Wiener非线性时变系统的迭代学习辨识

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.     

时滞时变对象参数辨识方法

针对时滞时变系统,提出了一种参数辨识的新方法.该算法一方面采用互相关函数来辨识滞后时间,并引进了快速傅里叶变换及其反变换,提高了计算效率;另一方面,在变参数增量估计递推最小二乘算法估计时变参数的基础上,引入误差级序列,改善了时变参数的辨识精度.最后通过仿真验证了该方法的良好性能.     

噪声协方差估计在惯性导航系统误差模型中的仿真研究

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。     

序列图像的背景重建分析

研究了渐消记忆递归最小二乘法在背景建立中的应用,修正增益因子,引入更多的背 景信息,对复杂背景进行更加完善的预测建立。并且在异常情况的处理中,提出了背景改变的自适应更新算法,可以在背景产生较大改变时,自适应的更新背景继续跟踪目标。实验的结果表明,该算法可以跟踪复杂场景下的目标。     

超级电容模型的递推增广最小二乘辨识

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。     

一类 Wiener 非线性时变系统的迭代学习辨识

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。     

变遗忘因子递推最小二乘Hammerstein系统辨识算法

摘.要:本论文研究了单输入单输出非线性Hammerstein系统的辨识问题,提出了一种具有变遗忘因子的递推最小二乘算法.由于Hammerstein系统模型的非线性特征,传统的递推最小二乘算法无法直接用来解决该系统的辨识问题.为此,论文将Hammerstein系统参数进行了映射变换,使得变换后的系统参数与Hammerst...     

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

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。     

一种任意维空域最小二乘算法的硬件实现方法

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。     

带遗忘因子的限定记忆辨识算法

基于最小二乘辨识原理,针对快时变系统,提出了一种将遗忘因子算法与限定记忆算法相结合的辨识算法,该方法在固定记忆长度中加入遗忘因子,并根据估计参数的变化率来在线调节遗忘因子的大小,提高了时变系统的辨识精度,数值仿真结果表明该方法有较好的辨识效果。     

雷达伺服系统在线参数辨识方法研究

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。     

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

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.     

一种基于傅里叶基神经网络的频谱分析方法

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。