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。     

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.     

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。     

基于局部多项式逼近的变参数梯度估计算法

本文分析了梯度辨识算法跟踪时变系统的缺点，提出了一种新的基于局部多项式逼近的变参数梯度估计算法。本算法具有良好跟踪性能特别适用于时变系统跟踪且其对噪声的敏感程度与一般梯度估计方法相当。仿真结果验证了其良好性能。     

基于时域聚汇和补偿估计WLFM信号DOA的FRFT-MUSIC算法

本文提出了分数阶付氏变换(FRFT)-MUSIC算法估计多个宽带信号到达角参数(DOA)。该算法通过对到达角的初始估计,在时域内经补偿和聚汇将宽带线性调频信号的时变方向矩阵变换为固定的方向矩阵,然后利用分数阶付氏变换和MUSIC算法实现入射信号DOA估计。本文同时提出了一种对FRFT-MUSIC的组合估计方法以减少计算量。仿真实验证明了算法的有效性。     

飞机颤振模态参数的偏差补偿辅助变量辨识

在输入—输出数据中带有噪声时,传统的最小二乘辨识算法给出模型参数的有偏估计.当噪声方差的估计值可获得时,采用偏差补偿算法能够得到模型参数的一致性估计.在辅助变量算法的基础上结合偏差补偿算法进行推广得到偏差补偿辅助变量辨识算法.采用适用于噪声环境的偏差补偿辅助变量辨识算法,可准确地辨识飞机的颤振模态参数,该算法结合传递函...     

时变参数比例自适应滤波算法

在免提电话和视频会议系统中,自适应滤波器估计的回声路径通常是稀疏的.改进的比例归一化最小均方(IPNLMS)算法能够加快自适应滤波器在估计稀疏系统时的收敛速度,但与归一化最小均方(NLMS)算法相比,其稳态失调的波动性较大.为了解决这一问题,本文提出了一种时变参数IPNLMS(TV-IPNLMS)算法.该算法根据系统的均方误差(MSE)与噪声功率的比值,使用一个sigmoid函数来调整时变参数的值.该时变参数能够降低IPNLMS算法在滤波器到达稳态时的比例增益.仿真结果表明,时变参数方法能够降低IPNLMS算法稳态失调的波动性.该算法可用于回声消除、主动噪声控制等领域.     

基于分数阶傅立叶变换的WLFM信号DOA估计

本文提出了一种新的基于分数阶傅立叶变换的DOA估计算法,该算法首先将天线阵的观测信号变换到分数阶Fourier域,并将时域时变的方向向量转化为分数阶Fourier域时不变的方向向量,同时将线性调频信号解调为窄带平稳信号,然后在相应的分数阶Fourier域,利用root-MUSIC算法进行波达方向估计.理论分析与仿真结果表明,该方法算法简单,估计性能好.     

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.     

哈默斯坦非线性时变系统的加权学习辨识方法

针对有限区间哈默斯坦(Hammerstein)非线性时变系统,该文提出一种加权迭代学习算法用以估计系统时变参数。首先将Hammerstein系统输入非线性部分进行多项式展开,采用迭代学习最小二乘算法辨识系统的时变参数。为了防止数据饱和,采用带遗忘因子的迭代学习最小二乘算法,进而引入权矩阵,采用加权迭代学习最小二乘算法改进系统跟踪误差,以提高辨识精度。该文分别给出3种算法的推导过程并进行仿真验证。结果表明,与迭代学习最小二乘算法和带遗忘因子迭代学习最小二乘算法相比,加权迭代学习最小二乘算法具有辨识精度高、跟踪误差小以及迭代次数少等优点。     

一种基于混沌蚂蚁群算法的系统参数辨识方法

提出了一种基于混沌蚂蚁群算法的控制系统辨识方法,这种方法在给定控制系统数学模型的条件下,将控制系统的参数辨识问题转化为参数的寻优问题,之后利用混沌蚂蚁群算法的全局优化搜索能力对问题进行求解.以典型控制系统为例进行了计算机仿真,实验结果表明,使用混沌蚂蚁群算法可以得到很好的参数估计结果.     

基于RLS的二次加权相关时延估计算法

针对测向定位中时延估计的问题,提出了一种基于递推最小二乘（Recursive Least Squares,RLS）算法的二次加权相关时延估计方法。该方法在二次相关算法基础上,一方面引入RLS算法,在二次相关前进行自适应滤波,提高系统抗噪能力,且具有较快的收敛速度;另一方面借鉴广义互相关的思路,引入加权函数,并且采用二次加权方式,提高时延估计的性能。仿真结果表明,在低信噪比环境下,基于RLS的二次加权相关时延估计法使谱峰更加尖锐,抑制了噪声的影响,提高了估计的精度。     

用遗传算法从时延特性重构光纤光栅参数

提出了采用遗传算法(GA)结合传输矩阵法从需要的时延特性对光纤光栅进行参数重构的方法。该方法以时延为目标函数,由光纤光栅参数,包括光栅长度、折射率调制、光栅周期和光栅啁啾,组成种群中的待优化的个体,经过若干代遗传得到最优结果。用实值编码遗传算法实现了对均匀光纤光栅、啁啾光纤光栅和切趾啁啾光纤光栅参数的重构。数值仿真结果表明该方法对光纤光栅的时延特性参数重构十分有效。由斜率为100ps/nm,最大时延为300ps,中心波长为1555.2nm的理想线性时延特性重构出切趾啁啾光纤光栅的参数。此方法可以有效地从时延信息中提取光纤光栅参数,能够应用在利用光纤光栅时延特性的光控相控阵天线设计中。     

Performance Analysis of the Auxiliary Model-Based Stochastic Gradient Parameter Estimation Algorithm for State-Space Systems with One-Step State Delay

How to use the observation data to build the mathematical models of time-delay systems and how to estimate the parameters of the obtained models are important for studying the laws of motion of systems. This paper presents an auxiliary model-based stochastic gradient parameter estimation algorithm and studies its convergence for the input–output representation for state-space systems with one-step delays, by means of the auxiliary model identification idea. The simulation results indicate that the proposed algorithm can effectively estimate the parameters of the systems.     

基于双通道DFRFT互谱法的Chirp信号时延估计

针对脉冲Chirp类信号的时延估计问题,理论推导了基于离散分数阶Fourier变换的脉冲Chirp信号的特性,分析了当时延参量等效的分数阶Fourier域的频率大于采样率时,脉冲Chirp信号的分数阶Fourier域谱产生混叠,造成时延估计模糊的问题,并提出基于离散分数阶Fourier变换（DFRFT）双通道互谱法进行时延估计,给出两个通道采样率选取的原则及算法的性能分析,实验结果表明,在一定的采样率下,算法能够快速精确地估计脉冲Chirp信号的时延参数.     

应用粒子群优化的非线性系统辨识

提出了一种应用粒子群优化的非线性系统辨识方法。首先将非线性系统的辨识问题转化为参数空间上的优化问题,然后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系统参数的最优估计。以Hammerstein模型的辨识为例说明了本方法的可行性。     

Chan定位算法与TDOA估计精度的关系

在基于TDOA（到达时间差）的定位算法中,Chan方法由于其独特的优势得到广泛应用,但如何估计Chan定位算法所需的时延估计精度暂时没有明确的函数表达式。针对Chan定位算法,推导了该算法定位估计误差与定位参数（TDOA）估计精度之间的函数关系。给出了推导的具体步骤和函数关系的表达式,分析了该表达式所具有的物理意义。在移动台无线定位系统的设计过程中,根据所需的定位精度,通过该表达式可以直接计算出系统所必须的最小时延估计精度。     

Sensorless control of salient PMSM with adaptive integrator and resistance online identification using strong tracking filter

This article presents a sensorless control approach of salient PMSM with an online parameter identifier. Adaptive Integrator is proposed and utilised for the estimation of active flux and rotor position. As a result, integrator overflow caused by DC offset is avoided. Meanwhile, an online stator resistance identification algorithm using strong tracking filter is employed, and the identified stator resistance is fed back to the estimating algorithm. Thus, the estimating algorithm can calculate the rotor position correctly. Simulations and experimental results validate the feasibility of both adaptive integrator and the parameter identification method.     

基于改进粒子群算法的并联机械手运动参数识别

在工业生产过程中，由于机械手制造与装配过程存在误差，不仅造成运动精度降低，而且阻碍生产效率提高。为解决这一问题，提出了基于了改进粒子群优化算法的并联机械手运动参数识别研究，通过建立参数数学模型，完成机械手几何参数误差的识别和补偿。实验表明，文中提出基于改进粒子群优化算法的并联机械手运动参数识别，测试误差小、收敛速度快，可以为改良生产线、改善产品质量、提高企业效率提供有效的帮助。