基于Haar小波微分运算矩阵的分布参数系统辨识

在Haar小波正交逼近变换的基础上,对一阶线性分布参数系统参数辨识问题进行了研究。利用微分运算矩阵及其性质,将原偏微分方程描述的线性分布参数系统转化为一组代数矩阵方程,再利用最小二乘法,确定出待辨识的系统参数。基于Haar小波微分运算矩阵方法与基于积分运算矩阵的方法相比,避免了对偏微分方程进行多重积分运算、再利用积分运算矩阵的过程;而且可以不考虑初始条件和边界条件,简化了问题的求解过程。仿真实例表明了该方法辨识精度高,待辨识的3个参数辨识率分别达到0.06%、1.17%、0.26%,可以作为一种解决分布参数系统辨识问题的工具。

多传感器线性最小方差最优信息融合估计准则

用Lagrange乘数法和矩阵微分运算 ,分别提出了按矩阵加权、按标量加权和各分量按标量加权的三种线性最小方差信息融合估计准则 ,其中考虑了估计误差之间的相关性 ,推广和发展了现有文献的结果。文中比较了三种融合估计的精度和计算负担 。

基于小波逼近变换的非线性分布参数系统辨识

利用Haar小波正交规范基的微分运算矩阵及其运算性质,将描述一类非线性分布参数系统的偏微分方程转化为代数矩阵方程,结合最小二乘法,确定出待辨识的系统参数,避免了对偏微分方程进行多重积分运算的繁琐;并且,可以不考虑初始条件和边界条件,较其他采用积分运算矩阵的辨识方法要简单得多,简化了分布参数系统辨识的求解过程。该方法简单,计算量小,辨识精度高。仿真结果表明了该算法应用在非线性分布参数系统辨识中的有效性。

线性时变连续时间系统参数估计中的Taylor级数方法

本文通过引入Taylor级数基函数的微分运算矩阵和向量积矩阵，给出了线性时变连续时间系统参数估计中的Taylor级数方法。