不确定性离散时间系统的积分变结构控制

本文针对不确定性离散时间系统 ,提出一种改进的离散趋近律和等效控制相结合的控制策略 ,既保持变结构控制的强鲁棒性的优点 ,又消除了系统的颤振现象。并引进积分控制 ,提高了系统的稳态精度 ,使系统获得了满意的控制性能。

一种广义主成分提取算法及其收敛性分析

广义主成分分析在现代信号处理的诸多领域发挥着重要的作用。目前,自适应广义主成分分析算法还并不多见。针对这一现状,该文提出一种快速收敛的广义主成分分析算法,并通过理论分析所提算法的确定性离散时间系统,导出了保证算法收敛的学习因子和初始权向量模值等边界条件。仿真实验和实际应用验证了所提算法的正确性和有用性。仿真结果还表明,所提算法比现有同类算法具有更快的收敛速度和更高的估计精度。

自稳定的双目的特征对提取算法及其收敛性分析

提出一种自稳定的双目的算法用以提取信号自相关矩阵的特征对.该算法可以通过仅仅改变一个符号实现主/次特征向量估计的转化,并且可以通过估计的特征向量的模值信息估计对应的特征值,从而实现特征对的提取.基于确定性离散时间方法对所提出的算法进行收敛性分析,并确定算法收敛的边界条件.与已有算法对比的仿真实验验证了所提出算法的收敛性能.

一种广义次成分提取算法及其收敛性分析

广义次成分分析(generalized minor component analysis, GMCA)在现代信号处理的许多领域具有重要作用.目前现有的大多算法不能同时具备与算法对应的信息准则,以及收敛性、自稳定性和多个广义次成分提取的性能.针对上述问题,利用一种新的信息传播规则,推导出一种广义次成分提取算法,并采用确定离散时间方法(deterministic discrete time, DDT)对算法的全局收敛性能进行分析;同时,通过理论分析算法的收敛性能与算法初始状态的关系,表明算法具有自稳定性.进一步地,探索了算法在多重广义次成分提取方面的应用.相比之前的算法,所提算法具有更快的收敛速度. Matlab仿真验证了所提出算法的各项性能.