A new adaptive estimator for direct sequence spread spectrum （DSSS） signals using fourth-order cumulant based adaptive method is considered. The general higher-order statistics may not be easily applied in signal pr...A new adaptive estimator for direct sequence spread spectrum （DSSS） signals using fourth-order cumulant based adaptive method is considered. The general higher-order statistics may not be easily applied in signal processing with too complex computation. Based on the fourth-order cumulant with 1-D slices and adaptive filters, an efficient algorithm is proposed to solve the problem and is extended for nonstationary stochastic processes. In order to achieve the accurate parameter estimation of direct sequence spread spectrum （DSSS） signals, the fast step uses the modified fourth-order cumulant to reduce the computing complexity. While the second step employs an adaptive recursive system to estimate the power spectrum in the frequency domain. In the case of intercepted signals without large enough data samples, the estimator provides good performance in parameter estimation and white Gaussian noise suppression. Computer simulations are included to corroborate the theoretical development with different signal-to-noise ratio conditions and recursive coefficients.展开更多
针对过程复杂且结构未知的对象,在保证模型有效性的前提下,根据数据信息构建简单模型来简化控制器的求解是亟待解决的问题。以受控自回归模型为例,提出一种基于修正最小角回归算法的稀疏辨识方法。首先将系统模型转化为过参数化的高维...针对过程复杂且结构未知的对象,在保证模型有效性的前提下,根据数据信息构建简单模型来简化控制器的求解是亟待解决的问题。以受控自回归模型为例,提出一种基于修正最小角回归算法的稀疏辨识方法。首先将系统模型转化为过参数化的高维稀疏模型,然后将最小角回归算法用于稀疏系统辨识,并提出绝对角度停止准则,使算法经过少量的迭代即可获得模型的稀疏参数估计,并同时获得有效的时滞和阶次估计。结合辨识得到的受控自回归模型,引入一种基于指定相位点频率和增益的比例-积分-微分(proportional integral derivative,PID)控制器。数值仿真和平衡机器人的姿态控制仿真表明,该稀疏辨识算法在低数据量下具有较高的辨识精度,建立的模型具有较好的泛化性能,控制器具有良好的控制效果。展开更多
针对电池电气特性与热特性之间复杂的耦合关系、温度对电池功率性能的影响以及荷电状态(state of charge,SOC)、温度状态(stateoftemperature,SOT)与峰值功率状态(state of power,SOP)之间的复杂关联等问题,该文提出一种考虑电热耦合特...针对电池电气特性与热特性之间复杂的耦合关系、温度对电池功率性能的影响以及荷电状态(state of charge,SOC)、温度状态(stateoftemperature,SOT)与峰值功率状态(state of power,SOP)之间的复杂关联等问题,该文提出一种考虑电热耦合特性的电池模组多状态协同估计方法。首先,分析电池电气特性与热特性之间的耦合关系,将分数阶等效电路模型与集总参数双态热模型结合,构建电池模组电热耦合模型。其次,针对电热耦合关系需要准确的SOC与SOT来维持的问题,采用自适应扩展卡尔曼算法(adaptive extended Kalman filter,AEKF)实现电池模组SOC与SOT估计。最后,分析不同状态之间的关联特性,将电池的SOC、SOT引入到多约束条件下的峰值SOP估计中,实现电池模组多状态协同估计,提高电池状态估计的准确性。仿真结果表明,所提方法在SOC初始误差为20%情况下,能够快速收敛至真实值,且均方根误差在0.52%以内,核心温度与表面温度估计误差分别在0.36和0.31℃以内。在40℃时,核心温度约束起作用,峰值功率估计结果显著降低,为动力电池的实时安全监控提供了有力保障。展开更多
文摘A new adaptive estimator for direct sequence spread spectrum （DSSS） signals using fourth-order cumulant based adaptive method is considered. The general higher-order statistics may not be easily applied in signal processing with too complex computation. Based on the fourth-order cumulant with 1-D slices and adaptive filters, an efficient algorithm is proposed to solve the problem and is extended for nonstationary stochastic processes. In order to achieve the accurate parameter estimation of direct sequence spread spectrum （DSSS） signals, the fast step uses the modified fourth-order cumulant to reduce the computing complexity. While the second step employs an adaptive recursive system to estimate the power spectrum in the frequency domain. In the case of intercepted signals without large enough data samples, the estimator provides good performance in parameter estimation and white Gaussian noise suppression. Computer simulations are included to corroborate the theoretical development with different signal-to-noise ratio conditions and recursive coefficients.
文摘针对过程复杂且结构未知的对象,在保证模型有效性的前提下,根据数据信息构建简单模型来简化控制器的求解是亟待解决的问题。以受控自回归模型为例,提出一种基于修正最小角回归算法的稀疏辨识方法。首先将系统模型转化为过参数化的高维稀疏模型,然后将最小角回归算法用于稀疏系统辨识,并提出绝对角度停止准则,使算法经过少量的迭代即可获得模型的稀疏参数估计,并同时获得有效的时滞和阶次估计。结合辨识得到的受控自回归模型,引入一种基于指定相位点频率和增益的比例-积分-微分(proportional integral derivative,PID)控制器。数值仿真和平衡机器人的姿态控制仿真表明,该稀疏辨识算法在低数据量下具有较高的辨识精度,建立的模型具有较好的泛化性能,控制器具有良好的控制效果。
文摘针对电池电气特性与热特性之间复杂的耦合关系、温度对电池功率性能的影响以及荷电状态(state of charge,SOC)、温度状态(stateoftemperature,SOT)与峰值功率状态(state of power,SOP)之间的复杂关联等问题,该文提出一种考虑电热耦合特性的电池模组多状态协同估计方法。首先,分析电池电气特性与热特性之间的耦合关系,将分数阶等效电路模型与集总参数双态热模型结合,构建电池模组电热耦合模型。其次,针对电热耦合关系需要准确的SOC与SOT来维持的问题,采用自适应扩展卡尔曼算法(adaptive extended Kalman filter,AEKF)实现电池模组SOC与SOT估计。最后,分析不同状态之间的关联特性,将电池的SOC、SOT引入到多约束条件下的峰值SOP估计中,实现电池模组多状态协同估计,提高电池状态估计的准确性。仿真结果表明,所提方法在SOC初始误差为20%情况下,能够快速收敛至真实值,且均方根误差在0.52%以内,核心温度与表面温度估计误差分别在0.36和0.31℃以内。在40℃时,核心温度约束起作用,峰值功率估计结果显著降低,为动力电池的实时安全监控提供了有力保障。
