基于最小方差递推算法的电力系统间谐波谱估计仿真分析

在对电力系统间谐波进行分析时,提出了基于最小方差递推算法的间谐波谱估计新方法。该方法通过解一有约束的极值问题来求取FIR滤波器的系数,从而得到最小方差谱估计结果,并通过使用Gohberg-Semencul公式和Levinson递推算法使运算变得更为便捷。通过对电力系统间谐波进行仿真分析,同时与MUSIC算法、Burg算法、FFT算法进行比较,表明该算法的稳健性较好,在时变噪声干扰的情况下依然有较高的检测精度,可以满足对电力系统间谐波的分析需求。

线性最小方差估计的递推算法研究

讨论了在线性观测条件下,矢量形式的线性最小方差估计的递推算法,给出了程序框图及相应的仿真实例。该方法与其他估计或滤波方法相比,具有算法简单、易于实现的优点。

最小二乘估计的HOUSEHOLDER变换快速递推算法

本文利用ＨＯＵＳＥＨＯＬＤＥＲ交换（简称Ｈ－变换）推导出最小二乘估计的递推算法和遗忘因子法的快速算法．与现有的最小二乘递推算法相比，本文提出的算法不仅运算量大大减少，而且数值稳定性好，占用内存量少．

最小二乘参数估计的递推算法及其C语言实现

最小二乘参数估计的递推算法是系统参数辨识中最基本、最成熟的方法。文章首先介绍了最小二乘法的递推算法原理和本识别系统的框架流程图,然后针对文章的算法分别阐述了服从N(0,1)正态分布自相关随机噪声v(k)的产生方法。文章着重介绍了利用C语言编程对一个简单系统的参数辨识实现最小二乘参数估计的递推算法,详细说明了本系统各个环节的C语言实现,并通过matlab仿真对数据进行了详细的分析。从仿真实验结果可以看出,试验数据符合试验要求,系统的参数辨识实现最小二乘参数估计的递推算法的效果令人满意。

线性模型的广义最小二乘估计递推算法

基于广义线性模型,讨论了新增样品后其系数的广义最小二乘估计与原有的样品其系数的广义最小二乘估计之间的关系,在此基础上,讨论剔除某个过时的样品后,其系数的广义最小二乘估计与原有样品的系数的广义最小二乘估计之间的关系,最后研究新增样品、剔除样品和原有样品它们三个的系数的广义最小二乘估计之间的关系.

正弦波信号频率估计快速高精度递推算法的研究

该文提出了一种正弦波频率估计的频偏校正算法,结合M-Rife算法精度高和频偏校正算法运算量小的特点,研究了一种快速高精度正弦波信号频率估计的递推算法。先对一个较短的截短信号序列用M-Rife算法进行频率初始估计,以此作初始值用频偏校正算法对一个更长的截短信号序列进行估计得到更精确的估计频率,并依此类推,在最后一步递推时,用M-Rife算法得到最终的估计频率。在信号序列较长时,该算法的运算量小于做一次FFT。仿真结果表明,该算法性能稳定,估计方差接近克拉美-罗限(Cramer-Rao Lower Bound,CRLB),与M-Rife算法相仿。该算法便于实时地实现高精度频率估计。

Box-Jenkins模型阶次与参数同时估计的递推算法

研究了Box-Jenkins模型阶次与参数的同时估计问题。基于信息压缩阵的UD分解技术和广义增广最小二乘原理,提出Box-Jenkins模型阶次与参数同时估计的一种速推算法,减少了辨识计算量,改善数值稳定性,提高了辨识精度。仿真结果表明该算法的有效性。

多元线性回归模型参数估计的递推算法及误差分析

讨论新增数据信息对多元线性回归模型的修正原理,给出不断加入新增数据信息的多元线性回归模型参数估计值的一种递推算法.利用影响因子的概念来刻画新增信息对预测误差的影响,并给出了算法和应用实例.

改进最小二乘递推算法的洪水预报应用研究

建立线性自回归模型,应用于洪水实时预报,并应用AIC、BIC这两种准则以确定自回归模型的阶数。最小二乘递推算法是估计自回归参数的一种常见方法。最小二乘法估算出的模型参数在预报误差平方和最小的条件下是最优解。研究中,为了强化时变系统的辩识以提高洪水预报精度,对数据采取衰减记忆、有限记忆及时变衰减记忆的方式,对基本的最小二乘递推算法提出了三种改进形式,并利用这几种改进算法进行了洪水演算,最后对几种算法的演算结果进行了比较。

均值方差的递推算法及其应用

本文所提供的均值、方差的递推算法，仅需对原始数据搜索一遍，使计算机读磁盘工作量减少一倍；另外，在临时附加一些新数据或删除一些老数据时，无需从头算起，使计算机工作量减少到最低限度；同时还可计算出其中任何一个数据对整体均值、方差的影响大小，从而可进行辅助数据分析。这是统计均值、方差理想的快速算法，特别是当数据量越大，数据变动越多时，其优点尤为突出。

基于递推算法的严格最大熵谱估计

提出了一种基于递推算法的严格最大熵谱估计方法,所获得的AR模型系数的估值,使反映前、后向预测误差的能量以及前、后向预测误差与信号之间的正交关系的一个综合目标函数极小化,即可以同时满足最大熵谱估计的4个近似等价条件。并利用Levinson递推算法,使计算更简单且计算量比直接求解自相关函数矩阵小。计算机仿真分析表明,当数据长度较短时,文中的方法在谱峰偏移、谱峰分裂及谱分辨率等方面均比Burg法优越,具有良好的估计质量。

最小方差无偏估计方法提高Gm-APD啁啾调制光子雷达的测距精度

啁啾调制光子雷达由于探测器Gm-APD的死时间限制了采样频率和调制带宽的提高,FFT进行信号处理时存在着固有的频域采样间隔,使得测距精度的提高受到很大限制。按照啁啾光子雷达接收机的信号处理过程对回波信号进行了推导,获得了系统回波中频信号的解析表达式,并采用最小方差无偏估计的方法对中频频谱进行处理,最后对该方法进行了仿真,并用仿真结果与质心估计中频后处理方法的仿真结果进行了比较。最大测距误差可由4.3 m降低到0.4 m,表明最小方差无偏估计的中频处理方法可以有效提高Gm-APD啁啾光子雷达的测距精度。

面向鲁棒控制的l_1中心估计递推算法

讨论未知但有界误差假设下的ｌ１中心估计问题，提出了中心估计递推算法的理论基础，并据此设计了ｌ１中心估计的递推算法。理论分析和数据仿真表明，与原有算法相比，递推算法可以显著减少计算量，提高估计速度，因而可应用于实时在线辨识。所给算法和结果是面向鲁棒控制的。

基于最小二乘递推算法的半主动悬架系统参数辨识

为了减少在实体建模过程中的误差,本文对半主动悬架系统进行参数辨识研究。在对悬架结构进行分析的基础上,基于ADAMS建立了半主动悬架减振控制系统的实体模型。采用最小二乘递推算法对悬架系统各指标参数进行辨识,辨识后的输出响应曲线与MATLAB输出曲线基本吻合。仿真结果表明:最小二乘递推算法可以有效地降低误差值,提高悬架系统实体建模的准确性,对进一步的悬架系统控制策略研究具有非常重要的意义。

时变系统的循环估计递推算法

提出了时变系统的循环估计递推的新算法,并对其收敛性进行了探讨,仿真结果表明,该方法有较快的收敛性。

非线性系统状态估计的递推算法

本文提出了一种新的非线性确定型系统的状态估计算法,并证明了该算法的局部收敛性。该算法在工业锅炉辅助测试模型的建立中得到了应用。

一种严格最大熵谱估计法的递推算法

本文提出了基于一种更严格最大熵谱估计的快速递推算法。讨论了当数据长度有限时，为满足最大熵谱估计的四个近似等价条件，所提出的严格目标函数。在此基础上，通过使目标函数达到极小，用递推法估计出各阶反射系数，然后由Levinson递推得到最大熵谱参数的估计值。该算法算法稳定，快速。计算机仿真表明，此估计方法具有良好的估计质量。

最小二乘递推算法和 Kalman 滤波算法

就一般加权、最优加权和指数加权三种情形分别介绍了最小二乘递推（ＲＬＳ）算法和Ｋａｌｍａｎ滤波算法，且首次将状态向量的概念扩展到了状态矩阵的概念．这将使我们在某些应用中能采用比以前规模小得多的模型而丝毫不会因此带来任何误差．最后，我们还指出了ＲＬＳ算法和Ｋａｌｍａｎ滤波算法所存在的一些问题．

变步长的最小二乘递推算法

针对固定步长的最小二乘递推算法在信号辨识中采集数据量大、辨识速度较慢的缺点,提出了变步长的最小二乘递推算法,在保证同等辨识精度的条件下, 采集的数据明显减少,大大提高了辨识速度。

严格的最小二乘递推算法

If the prior statistical knowledge of the parameters and the initial state to be estimated is not available,the RLS and Kalman filtering algorithms can not give least squares estimators or minimum variance estimators in the rigorous sense.Following the reference[1],the rigorous recursive least square algorithms(be called R 2LS algorithms for short)are derived by applying the theory of generalized inverse.The R 2LS algorithms give the least square estimators not requiring any prior statistical knowledge of parameters or the initial state to be estimated .Further discussion in this paper show that R 2LS algorithms provide the minimum time unbiased filters for linear stochastic systems and minimum time deadbeat observers for linear deterministic