输入非线性方程误差自回归系统的多新息辨识方法

典型块结构非线性系统包括基本的输入非线性系统、输出非线性系统、输入输出非线性系统、反馈非线性系统等.输入非线性系统包括输入非线性方程误差类系统和输入非线性输出误差类系统.以输入非线性方程误差自回归系统,即输入非线性受控自回归自回归(IN-CARAR)系统为例,分别基于过参数化模型,基于关键项分离原理,基于数据滤波技术以及基于辨识模型分解技术,研究和提出了IN-CARAR系统的随机梯度辨识方法、多新息随机梯度辨识方法、递推最小二乘辨识方法、多新息最小二乘辨识方法.这些方法可以推广到其他输入非线性方程误差系统、输入非线性输出误差类系统、输出非线性方程误差类系统、输出非线性输出类系统、反馈非线性系统等.同时,给出了几个典型辨识算法的计算步骤、流程图和计算量.     

系统辨识(5):迭代搜索原理与辨识方法

递推辨识与迭代辨识构成了两类重要的参数估计方法.递推辨识的递推变量与时间有关,因而可以用于在线估计系统参数;迭代辨识的迭代变量是自然数,与客观世界的时间无关,通常用于离线估计系统参数.基于辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念等辨识方法都可以用递推算法和迭代算法实现.迭代方法渊源很早,如求解矩阵方...     

系统辨识(4)：辅助模型辨识思想与方法

辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念是该文作者提出的研究辨识问题的原创性新方法,已经被用在很多辨识问题的研究中,形成了不同的辨识方法族,可以用于解决许多线性或非线性模型的自适应信号处理、自适应参数估计、自适应滤波和预测、自适应控制等问题.由于客观事物具有双重属性:一些特征变量是可观测的;一些是不...     

浅析高校数字化校园建设

数字化校园建设已经是高校信息化建设的发展趋势,而"一卡通"系统作为数字化校园建设的重要组成部分,对其建设势在必行。基于此,本文介绍了数字化校园的概念及结构,并对"一卡通"的相关内容及构建数字化校园的方法进行了分析,希望对高校数字化校园的建设有所帮助。     

最大距离法选取初始簇中心的K-means文本聚类算法的研究

由于初始簇中心的随机选择, K-means算法在聚类时容易出现聚类结果局部最优、聚类结果不稳定、总迭代次数较多等问题。为了解决K-means算法所存在的以上问题, 提出了最大距离法选取初始簇中心的K-means文本聚类算法。该算法基于这样的事实：距离最远的样本点最不可能分到同一个簇中。为使该算法能应用于文本聚类, 构造了一种将文本相似度转换为文本距离的方法, 同时也重新构造了迭代中的簇中心计算公式和测度函数。在实例验证中, 对分属于五个类别的1 500篇文本组成的文本集进行了文本聚类分析, 其结果表明, 与原始的K-means聚类算法以及其他的两种改进的K-means聚类算法相比, 新提出的文本聚类算法在降低了聚类总耗时的同时, F度量值也有了明显提高。     

基于输出估计的多输入系统随机梯度估计算法

对于输出误差模型描述的多输入单输出系统,辨识的困难在于辨识模型信息向量中包含系统未知输出量(真实输出或无噪输出),以致标准辨识算法无法应用.提出了利用输出估计代替系统真实输出的辨识思想,即通过估计模型预测(估算)系统输出,利用这个估计输出来递推计算系统参数,进而提出了基于输出估计的随机梯度辨识算法,并研究了算法的收敛性,给出了仿真例子.     

一种基于视频实时处理的车道检测算法

提出了一种基于VFW进行视频图像实时采集处理, 并采用扫描线与区域生长相结合的图像分析算法, 实现了道路车道标线的视频实时检测。采用自适应感兴趣区域（AOI）选择以及根据车道状况确定帧处理策略的方法, 使运算速度满足实时要求。     

传递函数辨识(14):频率响应迭代参数估计(串联情形)

针对不同一阶环节串联而成的系统,基于系统的幅频特性和相频特性观测数据,分别研究了幅频特性、相频特性、幅频相频联合、幅频相频耦合的梯度迭代算法、多新息梯度迭代算法、牛顿迭代算法和多新息牛顿迭代算法等。文中的方法可以推广用于其他传递函数描述的动态系统参数辨识,如具有共轭零点极点、重零点极点传递函数的参数辨识以及任意非线性函数的参数估计。     

非线性编辑网络对USB存储设备的管理

对USB存储设备的广泛使用为病毒的传播提供了便利的条件,对非线性编辑设备特别是非线性制作网的安全造成巨大的隐患。本文介绍了如何在单机或多个制作站点的制作网上禁用和管理USB接口的方法。     

非均匀采样数据系统的一种辨识方法

阐述了非均匀采样方案,推导了非均匀多率采样系统的状态空间模型,进一步获得了对应的传递函数模型.为解决辨识模型信息向量中存在未知变量的问题,使用辅助模型技术,用辅助模型的输出代替系统的未知变量,进而提出了非均匀采样数据系统的辅助模型随机梯度辨识算法.为了提高算法收敛速度和改善参数估计精度,在算法中引入遗忘因子,给出了相应的辅助模型带遗忘因子随机梯度算法.仿真结果表明,引入遗忘因子后,算法的收敛速度加快,参数估计精度提高.