广西工学院博士基金(11Z06)
- 作品数：6 被引量：5H指数：1
- 相关作者：李振强更多>>
- 相关机构：广西科技大学更多>>
- 发文基金：广西工学院博士基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 小波递推最小二乘法的ARMAX模型参数估计被引量：4
- 2012年
- 研究辨识系统优化问题,针对线性时不变ARMAX模型的参数估计,为了提高辨识精度,提出了直接利用小波域的数据,递推估计出模型的参数的方法。首先将时域的输入输出信号采用小波变换,得到了具有时频特征的小波域信号,可进行去噪方面的处理,去噪结果比时域和频域更有效。然后,利用小波递推最小二乘法对ARMAX模型进行参数估计,通过与时域递推最小二乘法的估计参数比较,仿真结果表明提出的方法是有效的。
- 李振强
- 关键词：参数估计递推最小二乘法系统辨识
- 基于小波子空间法的MIMO系统辨识研究
- 2013年
- 针对线性时不变多输入多输出(MIMO)系统的输出存在随机噪声情况下,提出直接利用小波域的输入输出数据,辨识MIMO系统的方法。子空间状态空间法是时域辨识MIMO系统的主要方法,通过数据矩阵投影,对数据矩阵进行QR分解和奇异值分解,辨识出系统的阶数和系统的状态方程矩阵。运用小波变换,将时域信号转换为小波域的信号,利用小波子空间状态空间辨识算法对MIMO系统辨识,通过仿真,得到辨识的结果与时域子空间状态空间法相比较,证明提出方法是有效的。
- 李振强
- 关键词：小波变换多输入多输出系统子空间法系统辨识
- 《过程控制系统》课程课堂教学方法的改革浅析
- 2011年
- 《过程控制系统》课程是自动化专业一门重要的应用课程。如何通过改进课堂教学方法,使学生真正理解和掌握该门课程。基于此目的,对该课程课堂教学方法提出两点改革措施。将其应用于实际授课过程中,获得了较好的教学效果。
- 李振强
- 关键词：教学方法教学改革
- 基于小波变换的Hammerstein模型辨识
- 本文提出了利用小波变换从含有过程噪声的数据中辨识出Harnerstein模型的方法.模型的非线性静态无记忆部分用有限的函数的线性组合表示,后面线性部分是ARMAX模型.运用小波变换和子空间状态空间算法辨识出模型.文中给出...
- 李振强罗文广潘盛辉林川
- 关键词：非线性系统辨识ARMAX模型
- 文献传递
- 基于小波包分析的Hammerstein模型参数估计
- 针对非线性的Hammerstein模型的输出存在随机噪声情况下,提出利用小波包将输入输出数据分解,估计出该模型的参数的方法.模型的非线性静态无记忆部分用输入的多项式表示,后面线性部分是ARMAX模型.通过小波最小二乘法估...
- 李振强罗文广叶洪涛金江春植
- 关键词：小波包HAMMERSTEIN模型ARMAX模型
- 文献传递
- 基于小波域数据的MIMO系统的参数估计
- 2013年
- 针对线性时不变多输入多输出(MIMO)系统的输出存在随机噪声。为了提高消噪效果,提出了直接利用小波域的数据,估计出系统的参数的方法。首先将时域的多输入和多输出信号运用小波变换,得到了具有时频特征的小波域信号,可进行去噪方面的处理。同在时域和频域的去噪结果相比,小波域的去噪结果更有效。然后,利用小波最小二乘法对多输入多输出(MIMO)系统进行参数估计,通过与时域最小二乘法的估计参数比较,计算出估计参数的均方误差,仿真实验表明提出的方法对多输入多输出(MIMO)系统的参数估计是有效的。
- 李振强
- 关键词：小波变换参数估计最小二乘法系统辨识
- 基于小波域数据的线性ARMAX模型参数估计
- 2012年
- 线性时不变系统离散ARMAX模型在随机噪声情况下影响输出精度。为此提出直接利用小波域的输入输出数据,估计出模型的参数的方法。最小二乘法是时域参数估计的主要方法,随着对小波理论的深入研究,在信号处理方面起着重要的作用。信号经过小波变换后,得到具有时频特征的小波域的信号,方便进行去噪的处理,去噪结果比时域和频域更有效。通过小波最小二乘法估计出模型的参数,与时域最小二乘法的估计参数比较,仿真表明改进方法是可行性和有效性。
- 李振强
- 关键词：小波变换参数估计最小二乘法
- 基于小波域数据的Hammerstein模型参数估计被引量：1
- 2012年
- 针对非线性离散Hammerstein模型的输出存在随机噪声情况下,提出直接利用小波域的输入输出数据,估计出该模型的参数的方法。最小二乘法是时域参数估计的主要方法,随着对小波理论的深入研究,它在信号处理方面起着重要的作用。信号经过小波变换后,得到具有时频特征的小波域的信号,提高了信号的信噪比,去噪结果比时域和频域更有效。通过小波最小二乘法估计出模型的参数,与时域最小二乘法的估计参数相比较,仿真结果表明波域方法是可行的,有效的。
- 李振强
- 关键词：小波变换参数估计最小二乘法
