排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
为了能实时而有效地辨识参数不确定的超混沌lü系统,以便于对该系统进行控制或跟踪,本文提出了一种基于Wiener模型自适应分段线性(PWL)滤波器的超混沌系统辨识方法.Wiener模型的线性部分采用了线性横向滤波器,非线性部分用分段线性滤波器近似表示.根据最小均方误差准则导出了滤波器参数更新算法,并进一步推导出算法的收敛性条件.计算机仿真证实了该自适应滤波器辨识超混沌系统的有效性.该方法不仅克服了自适应线性滤波器难以辨识出这类强非线性系统,而且比其他非线性自适应滤波器的计算复杂性低得多. 相似文献
2.
为了解决麦克风阵列通道失配时波束形成算法的稳健性问题, 提出一种基于自适应加权约束最小二乘法的麦克风阵列稳健频率不变波束形成算法. 该算法在分析无通道失配和通道失配时阵列模型特点基础上, 深入研究了通道失配时约束最小二乘频率不变波束形成算法存在的问题及其产生的原因; 将麦克风特性的概率密度函数作为稳健因子加入到约束最小二乘频率不变波束形成算法后, 其频率不变性的稳健性得到了一定的提高, 但稳健性仍较差. 为了进一步提高约束最小二乘法频率不变波束形成算法的稳键性, 通过定义代价函数中控制频率不变性的动态加权系数来调节旁瓣频谱能量, 大大提高了频率不变波束形成算法的稳键性, 将频率不变的频带范围内同一到达角度上不同频率所形成的阵列响应的最大值与最小值之比定义为波动误差, 并作为比较本文算法与约束最小二乘稳健波束形成算法和minmax稳健波束形成算法在通道失配时频率不变性稳键性的评价指标. 算法实例验证结果表明, 在麦克风阵列通道失配时, 本文算法的波动误差最小、频率不变波束形成稳健性最好, 而且适用于任意结构的阵列. 相似文献
1