شناسایی مدلHammerstein متغیر با زمان درحضورن ویز رنگی به کمک ویولت ها

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 891

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEE19_425

تاریخ نمایه سازی: 14 مرداد 1391

چکیده مقاله:

دراین مقاله یک روش ساده و کارآمد جهت شناسایی سیستم های دینامیکی غیرخطی و متغیر با زمان درحضور نویز رنگی و براساس ویولت ها پیشنهاد می گردد به این منظور مدل Hammerstein متغیر با زمان درنظر گرفته شدهاست دراین مدل فرض می شود که بلوک استاتیک غیرخطی ثابت و بلوک دینامیک خطی متغیر با زمان می باشند درروش پیشنهادی بلوک غیرخطی را می توان توسط هرتابع پایه دلخواهی از جمله چندجمله ای ها شبکه های RBF توابع Spline و ویولت ها بسط داد بلوک خطی توسط سری زمان ARMAX متغیر با زمان توصیف می گردد هریک از ضرایب متغیر با زمان این سری توسط بسط چندوضوحی ویولت ها تقریب زده می شود و سپس نویز و ضرایب ویولت ها توسط الگوریتم تکرار حداقل مربعات متعامد تخمین زده می شود الگوریتم حداقل مربعات متعامد قادر به جدا نمودن ترمهای موثر اولیه و کاهش پیچیدگی آن می باشد دراین روش ضرایب ویولت تخمین زده شده ثابت می باشند و درنتیجه مساله شناسایی سیستم متغیر با زمان به یک مدل غیرمتغیر با زما تبدیل می گردد.

کلیدواژه ها:

شناسایی سیستم ، سیستمهای غیرخطی ، سیستم های متغیر با زمان ، مدل Hammerstein ویولت ، سری ARMAX ، الگوریتم حداقل مربعات متعامد

نویسندگان

مریم سلیمی فرد

دانشگاه شیراز

سیدعلی اکبر صفوی

دانشگاه شیراز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Jones, D.L. and Parks, T.W., (1992). A resolution comparison of ...
  • Sattar, F., Salomonsson, G., (1999). The use of a filter ...
  • _ _ _ Speech and Audio Processing, 9(3), pp.196-200. ...
  • Cho, Y.S., Kim, S.B. and Powers E.J., (1991). Time-varying spectral ...
  • Cakrak, F., Loughlin, P.J., (2001) Multiple window time-varying spectral analysis, ...
  • Liporace, L.A. (1975). Linear estimation of nonstationary signals, J. Acoust. ...
  • Kozin, F. and Nakajima, F., (1980). The order determination _ ...
  • Grenier, Y., (1983). Time-dependent ARMA modelling of nonstationary signals, IEEE ...
  • Charbonnier, R., Barlaud, M., Alengrin, G., and Menez, J. (1987). ...
  • Niedzwiecki, M., (1988). Functional series modelling approach to identification of ...
  • Tsatsanis, M.K., and Giannakis, G.B., (1993). Time-varying system identification and ...
  • _ _ _ _ Series Analysis Edited by Subba Rao, ...
  • the User, _ _ .ه [13] _ ...
  • Mallat, S.G. (1989). A theory for multiresolution signal decomposition: the ...
  • Daubechies, I. (1992). Ten lectures on wavelets. SIAM, Philadelphia, PA. ...
  • Wei, H.L. and Billings, S.A. (2002). Identification of time-varying Science, ...
  • Zakeri, V., Naghavi, V. and Safavi, A.A. (2009). Developing real- ...
  • Chui, C.K., (1992). An Introduction to Wavelet. New York: Academic. ...
  • Mallat, S., (1999). A Wavelet Tour of Signal Processing, second ...
  • Safavi, A.A., (1996). Wavelet Neural ...
  • _ _ _ orthogonal estimator, Int. J. of Control, 49(6), ...
  • Chen, S., Billings, S.A. and Luo, W. (1989). Orthogonal least ...
  • Wei, H.L. and Billings, S.A. (2008). Model structure selection using ...
  • Billings, S.A. and Wei, H.L. (2008). An adaptive orthogonal search ...
  • نمایش کامل مراجع