滤波辨识(10):多变量Box-Jenkins系统的滤波辅助模型递阶广义增广参数辨识

针对多变量Box-Jenkins模型,即多变量输出误差自回归滑动平均(M-OEARMA)系统,利用滤波辨识理念和辅助模型辨识思想,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(14):类多变量输出误差ARMA系统的滤波辅助模型递阶广义增广迭代参数辨识

针对类多变量输出误差自回归滑动平均(M-OEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波辅助模型递阶广义增广梯度迭代辨识方法、滤波辅助模型递阶多新息广义增广梯度迭代辨识方法、滤波辅助模型递阶广义增广最小二乘迭代辨识方法、滤波辅助模型递阶多新息广义增广最小二乘迭代辨识方法。这些滤波辅助模型递阶广义增广迭代参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量输出误差随机系统中。

滤波辨识(8):类多变量输出误差ARMA系统的滤波辅助模型递阶广义增广参数辨识

针对类多变量输出误差自回归滑动平均(M-OEARMA-like)系统,利用辅助模型辨识思想,滤波辨识理念和递阶辨识原理,研究和提出了滤波辅助模型递阶广义增广随机梯度辨识方法、滤波辅助模型递阶多新息广义增广随机梯度辨识方法、滤波辅助模型递阶广义增广递推梯度辨识方法、滤波辅助模型递阶多新息广义增广递推梯度辨识方法、滤波辅助模型递阶递推广义增广最小二乘辨识方法、滤波辅助模型递阶多新息广义增广最小二乘辨识方法。这些滤波辅助模型递阶广义增广参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量随机系统中。

滤波辨识(13):类多变量方程误差ARMA系统的滤波递阶广义增广迭代参数辨识

针对类多变量方程误差自回归滑动平均(M-EEARMA-like)系统,利用滤波辨识理念和递阶辨识原理,研究和提出了滤波递阶广义增广梯度迭代辨识方法、滤波递阶多新息广义增广迭代梯度辨识方法、滤波递阶广义增广最小二乘迭代辨识方法、滤波递阶多新息广义增广最小二乘迭代辨识方法。这些滤波递阶广义增广迭代参数辨识方法可以推广到其他有色噪声干扰下的线性和非线性多变量方程误差随机系统中。

利用时域递归辅助变量法计算极光激发参数

本文阐述了极光系统混合型激发过程的时域表示及其谱分析方法，着重探讨使用时域递归辅助变量法计算极光参数。与传统的非递归谱估计方法相比较，本文介绍的方法显出它的优越性。经改进后，该算法适用于估算时变参数，因而可以对极光过程的变化进行跟踪研究。利用这种方法对测量所得的极光亮度数据进行处理，结果确定了激发参数变化的存在，并说明了它们随时间变化的过程。

基于递归辅助变量的时变谱估计方法研究与应用

针对遥测速变参数处理中非平稳信号二阶统计量时变特性分析的问题,提出了基于时变线性预测模型和最小二乘准则的递归辅助变量(RIV)时变参数谱估计方法。该方法可以对叠加白噪声和有色噪声的信号进行分析处理,扩大了适用范围,提高了处理的准确性。仿真实验的结果表明,本文方法能够准确地描述信号的二阶统计特性随时间的变化关系,具有较好的数值稳定性,适用于各类非平稳信号的动态和静态分析。

非凸大系统优化的辅助变量法

提出了一种优化非凸可分离大系统的新方法．该方法通过引入辅助变量，将非西大系统分解成凸的子系统进行优化．文中举了一个应用本算法解非凸多品种最小费用流问题的实例．

具有限定记忆的辅助变量参数辨识法与仿真研究

最小二乘参数辨识法可用于动态系统、静态系统、线性系统、非线性系统的参数估计。可用于离线估计,也可用于在线估计。最小二乘辨识法简单、实用,其递推算法收敛可靠,并且当模型噪声为白噪声时,可得到无偏、一致和有效的估计,从而得到广泛的应用。但当模型噪声是有色噪声时,最小二乘参数估计不是无偏、一致估计,并且随着数据的增长,最小二乘递推辨识算法将出现数据饱和现象,以致递推算法慢慢失去修正的能力。辅助变量递推算法解决了噪声的模型结构不确定且模型噪声是有色噪声时,最小二乘参数估计的无偏性和一致性问题,但依然存在数据饱和问题。为此在辅助变量递推算法的基础上引入限定记忆方式,获得了具有限定记忆的辅助变量参数估计递推算法,解决了辅助变量递推算法的数据饱和问题。仿真结果表明了该算法的有效性。

General模型辅助变量辨识方法的研究

对于存在相关噪声干扰的General系统,研究了一种新的辨识方法。首先系统模型用一个有限的脉冲响应(FIR)模型逼近,得到一个Box-Jenkins模型,再使用辅助变量法辨识系统参数,最后根据模型等价原理确定原系统的参数估计。仿真结果表明:在这种近似下递推辅助变量法(RIV)比递推广义增广最小二乘法(RGELS)可以得到更好的参数估计。

类多变量输出误差系统的耦合多新息辨识方法

辅助模型辨识思想、多新息辨识理论、耦合辨识概念是研究复杂多变量系统辨识的新理念和原理.将它们结合起来研究类多变量输出误差系统的辨识问题,提出了多元辅助模型辨识方法、多元辅助模型多新息辨识方法、变递推间隔多元辅助模型多新息辨识方法.为减小算法的计算量和提高参数估计精度,将系统模型分解为一些子辨识模型,应用辅助模型辨识思想、多新息辨识理论、耦合辨识概念,研究和推导了部分耦合辅助模型辨识方法、部分耦合辅助模型多新息辨识方法.讨论了几个典型辨识算法的计算量,给出了参数估计的计算步骤和计算流程图.

多变量方程误差类系统的部分耦合迭代辨识方法

针对多变量方程误差滑动平均系统,利用最小二乘原理和迭代搜索原理,给出了增广随机梯度辨识方法、递推增广最小二乘辨识方法、梯度迭代辨识方法和最小二乘迭代辨识方法.针对多变量方程误差滑动平均系统和多变量方程误差自回归滑动平均系统,将多变量系统分解为一些子系统,利用耦合辨识概念,讨论了梯度迭代辨识方法、部分耦合(子系统)梯度迭代辨识方法、子系统最小二乘迭代方法和部分耦合子系统最小二乘迭代辨识方法.进一步结合数据滤波技术,研究了多变量方程误差自回归滑动平均系统的子系统梯度迭代辨识方法、部分耦合(子系统)梯度迭代辨识方法、部分耦合子系统最小二乘迭代辨识方法.文中给出了几个典型算法的计算步骤.

基于递归神经网络的污水处理软测量研究

本文旨在构建一种污水生化需氧量BOD的软测量方法,通过建立基于递归神经网络的BOD软测量模型,建立了递归神经网络结构下的BOD软测量学习算法。文中首先对软测量模型进行整体设计,接着构造局部递归神经网络结构,并对递归神经网络结构下的污水处理参数BOD进行建模,同时阐述了主导变量和辅助变量之间的关系,以及如何选取辅助变量作为网络学习的参数。最后使用构建的学习算法在递归神经网络的框架下对污水处理参数BOD进行软测量预测,结果显示能够提高BOD软测量的精度。

TRP激光陀螺温度控制系统的参数辨识

针对全反射棱镜式激光陀螺腔长控制系统的特殊性及其模型参数辨识的必要性,给出TRP激光陀螺温度控制系统的数学模型,并基于最小二乘法从理论上分析推导出3种新型参数辨识法:直接辨识算法、辅助变量法和递推算法。指出3种参数辨识法各自的优缺点及适用场合,并用具体实例证明了该辨识算法的正确性和实用性。

隐Markov模型的多算法交叉耦合自适应算法

以离子通道信号重构为例,扩展HMM为矢量隐M arkov模型,利用随机逼近原理对期望最大算法进行自适应改造,估计离子通道的动力学特征参数;递归辅助变量算法估计背景噪声的统计特征;卡尔曼滤波预测背景噪声;三种算法交叉耦合重构离子通道信号。该算法能够克服滤波器和背景噪声的影响,在低信噪比情况下得到了较高精度的估计参数和重构信号,具有鲁棒性和一致收敛特性。