已閱讀1頁,還剩52頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、多新息辨識方法與傳統(tǒng)的最小二乘、隨機梯度類算法等采用單新息修正的辨識方法相比,具有更好的收斂性能以及克服壞數(shù)據(jù)的能力,因此對它的研究具有重要的理論意義以及應(yīng)用價值。本論文在多新息辨識方法的基礎(chǔ)上,通過引入加權(quán)矩陣提出加權(quán)多新息辨識方法,并取得了以下的研究成果。
一、論文首先針對受控AR模型(CAR模型)推導(dǎo)出分別基于投影法以及隨機梯度法的加權(quán)多新息算法,并利用仿真例子說明了通過選擇合適的加權(quán)矩陣,加權(quán)多新息辨識方法比普通的多新
2、息算法在相同新息長度下具有更快的收斂速度以及參數(shù)估計精度,最后簡要探討了加權(quán)矩陣對于參數(shù)估計效果的影響。
二、對于時變系統(tǒng)的參數(shù)估計,提出了帶有遺忘因子的加權(quán)多新息算法,并通過仿真結(jié)果證實了算法的有效性。
三、針對存在有色噪聲干擾的受控自回歸滑動平均模型(CARMA模型),提出了加權(quán)多新息增廣隨機梯度算法,并用仿真例子說明了與普通多新息增廣隨機梯度算法相比的優(yōu)越性。
四、進(jìn)一步將加權(quán)多新息算法推廣到更為復(fù)雜
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多新息隨機梯度型辨識方法.pdf
- 基于多新息辨識理論的USV運動模型參數(shù)辨識.pdf
- 雙率采樣數(shù)據(jù)系統(tǒng)多新息辨識算法.pdf
- 基于新息圖法的電力系統(tǒng)負(fù)荷突變辨識方法研究.pdf
- 方程誤差模型基于最新估計的多新息隨機梯度辨識.pdf
- 基于多新息參數(shù)估計的隨機梯度自校正控制方法.pdf
- 基于樣本加權(quán)的多示例多標(biāo)記遷移學(xué)習(xí)方法研究.pdf
- 基于最優(yōu)邊界劃分的非線性系統(tǒng)多模型辨識方法.pdf
- 新息圖參數(shù)錯誤辨識應(yīng)用研究.pdf
- 基于子空間方法的閉環(huán)系統(tǒng)辨識.pdf
- 雙輸入多率系統(tǒng)梯度型辨識方法.pdf
- 基于PCA的多模式辨識及性能評估方法的研究.pdf
- 基于階躍測試的連續(xù)系統(tǒng)辨識方法研究.pdf
- 多率多輸入系統(tǒng)的辨識.pdf
- 在噪聲環(huán)境下多傳感器系統(tǒng)多段辨識方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識方法研究.pdf
- 焊縫路徑識別磁光傳感多新息理論優(yōu)化卡爾曼濾波方法.pdf
- 帶未知參數(shù)系統(tǒng)的多傳感器多新息卡爾曼濾波器.pdf
- 基于子空間辨識方法的系統(tǒng)物理參數(shù)識別.pdf
- 基于小波的隨機CARMA模型多尺度辨識方法的研究.pdf
評論
0/150
提交評論