-
公开(公告)号：CN113111505B
公开(公告)日：2024-09-27
申请号：CN202110376632.8
申请日：2021-04-08
Applicant: 杭州电子科技大学
IPC: G06F30/20
Abstract: 本发明提出了一种基于非线性Hammerstein系统的变遗忘因子递推最小二乘方法及系统，本发明将变遗忘因子递推最小二乘方法应用于非线性Hammerstein系统模型，首先利用参数映射变换将非线性Hammerstein系统近似转换为线性系统模型，再将变遗忘因子递推最小二乘方法解决线性系统的辨识问题，通过本发明方法迭代得到的估计值具有较好的估计精度和收敛性能。
-
公开(公告)号：CN113194049B
公开(公告)日：2022-06-07
申请号：CN202110398162.5
申请日：2021-04-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于牛顿迭代二值采样信号的参数鲁棒估计方法，包括以下步骤：S10，建立信号模型；S20，计算最大似然估计的目标函数；S30，初始化；S40，计算目标函数的梯度值；S50，计算目标函数的Hessian矩阵；S60，通过线性搜索计算搜索步长αk；S70，通过牛顿法更新待估计参数vk+1；S80，判断梯度值精度；S90，计算估计值wML。本发明有较快的收敛性，同时针对EIV模型中的乘性噪声和比特值随机反相问题有较好的鲁棒性；相比于现有的无线传感器网络低比特参数估计方法，其在复杂噪声环境下以及非理想信道中具有更好的抗干扰能力。
-
公开(公告)号：CN113194049A
公开(公告)日：2021-07-30
申请号：CN202110398162.5
申请日：2021-04-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于牛顿迭代二值采样信号的参数鲁棒估计方法，包括以下步骤：S10，建立信号模型；S20，计算最大似然估计的目标函数；S30，初始化；S40，计算目标函数的梯度值；S50，计算目标函数的Hessian矩阵；S60，通过线性搜索计算搜索步长αk；S70，通过牛顿法更新待估计参数vk+1；S80，判断梯度值精度；S90，计算估计值wML。本发明有较快的收敛性，同时针对EIV模型中的乘性噪声和比特值随机反相问题有较好的鲁棒性；相比于现有的无线传感器网络低比特参数估计方法，其在复杂噪声环境下以及非理想信道中具有更好的抗干扰能力。
-
公开(公告)号：CN113111505A
公开(公告)日：2021-07-13
申请号：CN202110376632.8
申请日：2021-04-08
Applicant: 杭州电子科技大学
IPC: G06F30/20
Abstract: 本发明提出了一种基于非线性Hammerstein系统的变遗忘因子递推最小二乘方法及系统，本发明将变遗忘因子递推最小二乘方法应用于非线性Hammerstein系统模型，首先利用参数映射变换将非线性Hammerstein系统近似转换为线性系统模型，再将变遗忘因子递推最小二乘方法解决线性系统的辨识问题，通过本发明方法迭代得到的估计值具有较好的估计精度和收敛性能。
-
-
-
Search Results
4
records
(took 0.017 seconds)
