频域子空间模态参数辨识的改进算法

针对频域子空间算法计算量大而受到的使用限制,提出了一种频域子空间模态参数辨识的计算方法。该方法对输入和输出的频域数据进行分段,再重新计算广义算子,构成新的状态方程,从而实现模态参数辨识。对该方法进行了仿真验证,并利用该方法对某变截面轴进行了模态参数识别,获得了与有限元计算结果相一致的计算结果,从而证明了方法的可靠性。该方法能够减小单次计算量,从而能够使频域子空间方法在普通计算设备上实现应用。     

一种基于积分最小二乘指标的时滞过程频域辨识算法

将积分最小二乘指标拓展到时滞过程情形，提出了一种新的频域辨识方法，该方法通过引入Pade近似，在保留积分最小二乘指标的同时，采用最小二乘类算法高效求解，给出了一个描述Pade近似与模型误差之间的关系式，有助于了解Pade近似对辨识结果的影响，方便控制系统的分析与设计，对一个大时滞过程仿真取得了满意的结果，表明所提出方法的有效性。     

基于状态子空间辨识算法的双阶挤出系统动态特性建模研究

针对高聚物挤出发泡所用的双阶挤出系统中需要解决连接体压力稳定控制的动态建模问题,提出了一种用于双阶挤出系统预测的状态子空间系统辨识策略,该方法利用系统的输入输出数据成功辨识出了双阶挤出系统的动态模型,并将实际测量数据与辨识得到的模型仿真输出数据进行对比,结果验证了基于状态子空间的辨识算法得到的系统模型能很好地反映实际情况。     

时滞Scaled系统的分析与参数辨识

应用Legendre多项式的递推式,首先推导出了Legendre多项式的Scaled矩阵,并利用Legendre多项式的时滞矩阵及积分性质,首次给出了时滞Scaled系统的分析及参数辨识方法,文中给出了计算实例。     

子空间辨识方法的研究与改进

文中研究了基于状态空间模型的子空间状态空间系统辨识方法,具体介绍了该方法的辨识原理,同时将该方法与AIC准则相结合,对子空间辨识方法进行了改进,并对该方法进行了仿真研究。结论表明:该方法可以非常准确地得到系统的阶次,避免由于阶次选择不同而引起的辨识误差,具有很广阔的实际应用前景。     

基于频域子空间的UWB信道时延估计算法研究

在介绍了UWB信道估计模型后,讨论了一种基于子空间的UWB信道时延估计快速算法.通过仿真可以看出,该算法在低于Nyquist采样率的情况下可获得较高分辨率的信道时延估计,从而可降低系统的复杂度,减小系统的功耗.该算法在精确定位、测距、定时和同步等方面可得到很好的应用.     

基于组合信号源的非线性系统的子空间辨识

为解决对非线性采样系统的状态空间Hammerstein模型难以辨识的问题,提出了基于组合信号源的辨识方法.首先用组合信号源将静态非线性环节和动态线性环节分离.其次,采用模糊神经模型拟合静态非线性环节,有效地避免了采用多项式方法逼近非线性函数的限制,拓宽了非线性模型的适用范围;采用子空间算法估计采样系统的状态空间参数矩阵.最后,通过对两个非线性Hammerstein系统模型的仿真,验证了所提出的辨识方法,既简化了辨识过程,对非线性模块能够较好地拟合,又可以很快估计出状态空间方程系数矩阵,从而证明了所提方法的准确性和有效性.     

改进人工鱼群算法及其在时滞系统辨识中的应用

针对人工鱼群算法(AFSA)存在收敛速度慢和寻优精度低等问题,本文提出了一种改进人工鱼群算法(IAFSA).该算法中的人工鱼能够根据鱼群当前状态调整自身的视野和步长来平衡局部搜索和全局搜索.此外,算法中还加入了引导行为,即人工鱼在觅食行为未发现更优的位置时,当前人工鱼向最优人工鱼移动一步.仿真结果表明,改进人工鱼群算法在收敛速度、寻优精度和克服局部极值等方面有很大优势.本文将改进鱼群算法应用时滞系统的辨识中,辨识结果表明改进算法能获取被控对象的精准数学模型,并具有较强的抗干扰能力.     

OFDM系统信道盲估计的子空间算法

利用循环前缀(CP)引入的信息冗余,提出一种利用接收信号的二阶统计特性实现正交频分复用(OFDM)系统信道盲估计的子空间算法.由于OFDM传输方程不能直接推导子空间算法,故首先给出一种新的方法对OFDM传输方程作矩阵变换,从而得到一个结构简单的新方程,基于此推导出信道估计子空间算法.该算法不需要改变OFDM系统结构,不受信道零点位置的限制,在信道过估计的情况下也适用.     

基于果蝇算法的转子主动平衡系统时滞辨识

转子主动平衡控制过程中无法避免地存在时滞现象,这对高速转子系统的稳定性和动力响应产生显著影响,而时滞辨识是转子主动平衡控制研究中首要解决的难点问题。文章以转子系统为研究对象,建立了含时滞的转子主动平衡控制系统模型,设计了时滞辨识的优化目标函数,在果蝇算法基础上引入步长因子,提出了变步长的改进果蝇算法,使得迭代步长随迭代次数自适应变化,提高了算法的迭代速度和精度,最终实现了转子主动平衡控制系统的时滞辨识。实验结果表明,该文提出的时滞辨识方法能有效地辨识转子主动平衡控制系统的时滞量,且在迭代次数和精度上都优于标准的果蝇算法。     

基于子空间辨识的DOA和频率联合估计算法

针对阵列信号波达方向(DOA)和频率联合估计计算量大、参数配对较困难等问题,提出了一种基于子空间辨识方法的DOA和频率联合估计算法.该算法构造了一个特殊的状态空间模型,并通过选取辅助矩阵来抑制噪声.由子空间辨识方法得到广义可观测矩阵的估计值,再利用总体最小二乘(TLS)方法得到系统矩阵的估计值,由系统矩阵得到DOA和频率的估计值.该方法具有参数自动配对和计算量小的特点.计算机仿真验证了该算法的有效性.     

基于子空间方法的车辆稳态操纵性模型辨识

基于子空间辨识方法,对稳态操纵工况下的车辆动力学模型进行辨识.根据子空间算法的假设条件,构建了3自由度车辆模型,并进行系统的可辨识性论证,确定了相应的辨识模型结构.采用方向盘角阶跃输入转向回正性能试验数据进行车辆模型的辨识.辨识模型的验证采用相同车速下的实车蛇形试验数据,分别在时域和频域进行辨识和试验对比.结果显示,两者基本吻合,子空间算法能够很好地适用于线性车辆操纵动力学模型的辨识.     

基于双边迭代奇异值分解的递推子空间辨识方法

引入双边迭代奇异值分解算法，通过一系列的QR分解，用两个矩阵分别逼近奇异值分解的主要左、右奇异向量，用一个三角矩阵逐渐逼近主要的特征值，从而取代了原始MOESP子空间辨识算法中的奇异值分解步骤。通过用一系列Givens变换来实现QR分解的数据更新，实现了此类子空间方法的在线递推辨识。仿真表明，该方法可以有效地对系统的极点进行跟踪。     

基于子空间法的主动脉压力脉搏波重建

有创测量中心主动脉压力波形(central aortic pressure waveform, CAPW)存在一定的风险且花费较大.通常用外周动脉压力波形(peripheral arterial pressure waveform, PAPW)来代替CAPW,而PAPW与CAPW有差异性.虽然盲系统辨识方法能够实时重建与动态辨识中心主动脉压力波形,但该方法在模型定阶上还需改进,因此本文提出了基于Hankel矩阵的秩定阶结合子空间方法用外周动脉压力波形重建中心主动脉压力波形.临床数据验证算法的结果表明,实测的与估计的CAPW的均方根误差约为5.87mmHg,波形匹配度约为74.70%;动物数据进一步验证算法,结果表明实测的与估计的CAPW的均方根误差约为8.82mmHg,波形匹配度为54.57%.实验验证了该方法的有效性.     

基于信道模型过估计的最小噪声子空间盲辨识

研究基于信道模型过估计的盲系统辨识问题.采用最小噪声子空间方法,提出了一种通信信道盲辨识算法.与现有算法比较,提出的算法减少了辨识过程的计算量,提高了辨识精度,并对信道阶数过估计具有鲁棒性.仿真结果表明,在信道阶数过估计时,提出的算法仍能给出较好的参数辨识效果.     

非周期扩频系统中频率域多径时延估计

基于频域子空间思想,给出了一种适用于非周期扩频系统的多径时延估计方法。分析了匹配滤波器输出变换到频域后,多址干扰项和噪声项在频域中的统计特性及其对估计误差的影响。理论分析和仿真实验结果表明,时延估计的频域处理方法是一种无偏估计,且其估计精度远远高于滑动相关方法。     

时滞系统控制算法分析及仿真

在大多数自动化控制过程中,被控对象具有不同程度的延迟,不能及时反映系统所受的扰动.这种情况对系统的控制极为不利,会产生较大的超调,降低系统的稳定性.针对纯滞后系统的特点,对这类系统的补偿方案进行了详细介绍:PID算法、Smith预估补偿算法和Dahlin控制算法.同时以Smith预估补偿算法为例,在不同的参数下,利用MATLAB的Simulink工具箱对Smith预估控制系统的特性进行仿真,并分析其稳定性条件.结果表明,在模型匹配的情况下,此种算法具有很好的稳定性和鲁棒性,可以明显的加速调节过程,提高控制质量.     

一种基于子空间分解的语音增强算法

提出了一种基于卡亨南-络维变换方法的语音信号增强处理算法,该算法提供了在语音信号失真和残留噪声之间进行控制的机制,无需对噪声进行任何假定,克服了以往语音增强算法中对语音信号的噪声特点的限制,可以对混有加性白噪声、有色噪声和音乐噪声的语音信号进行增强处理.     

一种改进的稀疏子空间聚类算法

在现有的稀疏子空间聚类算法基础上提出了一个改进的稀疏子空间聚类算法。首先,利用高维数据可以通过同一子空间的低维数据稀疏地表示这一理论,建立一个稀疏最优化模型,获得稀疏矩阵。然后把稀疏矩阵应用到一个正则化谱聚类算法中,从而有效地把数据聚类到子空间中。最后,该算法应用到一个视频序列中,对每个视频帧里的运动物体进行识别,并与现有的子空间聚类算法相比较。实验结果表明,该算法能够有效地识别运动物体,具有良好的实时性和有效性。