为了有效解决脉冲噪声环境下的稀疏系统辨识(Sparse system identification,SSI)问题,以l1-范数为约束构建稀疏递归互相关熵准则(Recursive maximum correntropy criterion,RMCC)算法来解决脉冲噪声对于辨识性能的影响。结合带遗忘算子...为了有效解决脉冲噪声环境下的稀疏系统辨识(Sparse system identification,SSI)问题,以l1-范数为约束构建稀疏递归互相关熵准则(Recursive maximum correntropy criterion,RMCC)算法来解决脉冲噪声对于辨识性能的影响。结合带遗忘算子的互相关熵准则和l1-范数作为代价函数,推导出一种递归形式的算法,其相对于传统的最大相关熵算法具有快的收敛速度及小的稳态误差。仿真实验结果表明:该算法对于脉冲噪声干扰环境下的SSI问题具有强的鲁棒性。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
针对输入信号受噪声干扰和输出观测噪声具有脉冲特征的稀疏系统辨识问题,提出一种基于CIM的偏差补偿(normalized least mean absolute deviation,NLMAD)算法,利用NLMAD算法可有效抵御脉冲输出观测噪声。首先应用无偏准则设计偏差补偿NL...针对输入信号受噪声干扰和输出观测噪声具有脉冲特征的稀疏系统辨识问题,提出一种基于CIM的偏差补偿(normalized least mean absolute deviation,NLMAD)算法,利用NLMAD算法可有效抵御脉冲输出观测噪声。首先应用无偏准则设计偏差补偿NLMAD算法来有效解决由于输入噪声导致的估计偏差问题;考虑到稀疏系统辨识问题,将CIM作为稀疏约束惩罚项引入到偏差补偿NLMAD算法提出了新的稀疏自适应滤波算法——CIMBCNLMAD算法。将所提算法应用于输入和输出均含有噪声的稀疏系统辨识和回声干扰抵消场景中,实验表明CIMBCNLMAD算法的稳态性能优于其他自适应滤波算法,说明该方法具有较强的鲁棒性且可应用于工程实践。展开更多
为提高双滤波器结构(Dual filter structure,DFS)一级滤波器W1(k)的收敛速度,本文提出一种改进的Haar子带变换(Partial Haar transform,PHT)算法。新算法先对W1(k)的输入信号进行PHT变换以压缩滤波器长度;然后通过优化收敛步长使后验误...为提高双滤波器结构(Dual filter structure,DFS)一级滤波器W1(k)的收敛速度,本文提出一种改进的Haar子带变换(Partial Haar transform,PHT)算法。新算法先对W1(k)的输入信号进行PHT变换以压缩滤波器长度;然后通过优化收敛步长使后验误差最小化以提高收敛速度;最后通过分时保存、维护算法的归一化因子以降低算法计算复杂度。通过提高W1(k)的收敛速度,新算法可以更少的迭代次数获得稳定的延时估计,从而提高DFS的整体收敛速度。以回声消除为应用背景对新算法进行实验仿真,实验结果表明新算法性能显著优于其他传统的自适应算法。展开更多
文摘为了有效解决脉冲噪声环境下的稀疏系统辨识(Sparse system identification,SSI)问题,以l1-范数为约束构建稀疏递归互相关熵准则(Recursive maximum correntropy criterion,RMCC)算法来解决脉冲噪声对于辨识性能的影响。结合带遗忘算子的互相关熵准则和l1-范数作为代价函数,推导出一种递归形式的算法,其相对于传统的最大相关熵算法具有快的收敛速度及小的稳态误差。仿真实验结果表明:该算法对于脉冲噪声干扰环境下的SSI问题具有强的鲁棒性。
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。
文摘针对输入信号受噪声干扰和输出观测噪声具有脉冲特征的稀疏系统辨识问题,提出一种基于CIM的偏差补偿(normalized least mean absolute deviation,NLMAD)算法,利用NLMAD算法可有效抵御脉冲输出观测噪声。首先应用无偏准则设计偏差补偿NLMAD算法来有效解决由于输入噪声导致的估计偏差问题;考虑到稀疏系统辨识问题,将CIM作为稀疏约束惩罚项引入到偏差补偿NLMAD算法提出了新的稀疏自适应滤波算法——CIMBCNLMAD算法。将所提算法应用于输入和输出均含有噪声的稀疏系统辨识和回声干扰抵消场景中,实验表明CIMBCNLMAD算法的稳态性能优于其他自适应滤波算法,说明该方法具有较强的鲁棒性且可应用于工程实践。
文摘为提高双滤波器结构(Dual filter structure,DFS)一级滤波器W1(k)的收敛速度,本文提出一种改进的Haar子带变换(Partial Haar transform,PHT)算法。新算法先对W1(k)的输入信号进行PHT变换以压缩滤波器长度;然后通过优化收敛步长使后验误差最小化以提高收敛速度;最后通过分时保存、维护算法的归一化因子以降低算法计算复杂度。通过提高W1(k)的收敛速度,新算法可以更少的迭代次数获得稳定的延时估计,从而提高DFS的整体收敛速度。以回声消除为应用背景对新算法进行实验仿真,实验结果表明新算法性能显著优于其他传统的自适应算法。
