一类有色噪声干扰下的随机时变系统学习辨识

讨论由一类时变ARMAX模型描述的动态系统学习辨识问题,提出用于估计有限区间上重复运行时变系统时变参数的学习算法.文中给出最小二乘学习算法的具体形式及实现步骤,并分析所提出学习算法的收敛性.分析结果表明,当重复持续激励条件成立且满足严格正实条件时,提出的学习算法具有重复一致性,即参数估值完全收敛于真值.文中还将结果推广到一类周期时变系统.通过数值仿真,进一步对所提学习算法的有效性进行了验证.     

无线传感执行器网络中多源容错拓扑控制算法研究

拓扑控制是延长无线传感器网络生命时间的关键技术.针对异构网络的复杂性,提出了基于功率控制的分布式多源容错拓扑控制算法MSFT.在由大量计算、能量受限的传感器节点和少量性能较优的执行器节点组成的异构无线传感执行器网络模型中,算法保证任意传感器节点与执行器节点之间至少存在k条不相交路径同时选择权值较优节点使路径总功耗尽可能少,这样当任意k-1个节点失效时并不影响网络的连通性.理论分析证明算法能以O(n)的时间和消息代价构造网络拓扑,仿真实验进一步证实算法的有效性.     

反馈辅助PD型迭代学习控制:初值问题及修正策略

讨论迭代初态与期望初态存在固定偏移情形下 的迭代学习控制问题, 提出带有反馈辅助项的PD型迭代学习控制算法, 可实现系统输出对期望轨迹的渐近跟踪. 为了进一步实现输出轨迹在预定有限区间上对期望轨迹的完全跟踪, 提出分别带有初始修正作用和终态吸引的学习算法. 文中给出所提出的学习算法的极限轨迹, 并对学习算法进行收敛性分析, 推导出收敛性充分条件, 可用于学习增益的确定. 通过数值结果, 验证所提学习算法的有效性.     

反馈辅助学习算法在Lebesgue-p范数意义下的单调收敛性

针对一类线性时不变系统,讨论存在固定初始偏移时的学习控制问题,提出带有反馈辅助项的比例微分(proportion differentiation,PD)型学习控制算法,分析所提算法在Lebesgue-p范数意义下的单调收敛性,获得对期望轨迹的渐近跟踪结果.进一步地,为获得系统输出对期望轨迹的完全跟踪,给出带有初始修正策略的比例–积分–微分(proportion multiple integration differentiation,PMID)型学习律,并给出了所提学习算法的单调收敛性能分析结果.最后,通过数值结果,验证了所提学习算法的跟踪性能和单调收敛性能.     

自适应周期滤波器及其学习算法

针对周期平稳随机信号,提出自适应周期滤波方法.该文给出自适应周期滤波器的一般结构和实现步骤,推导出周期最小均方算法和周期最小二乘算法.完成的仿真算例验证了所提出的自适应周期滤波方法的有效性.     

学习辨识:最小二乘算法及其重复一致性

针对重复时变系统, 提出学习辨识方法用于估计系统的时变参数. 讨论了有限时间作业区间上重复运行的时变系统以及周期时变系统两种情形. 文中给出最小二乘学习算法的推导过程, 并分析了所提算法的收敛性. 结果表明, 当重复持续激励条件成立时, 提出的学习算法具有重复一致性, 能够给出时变参数的完全估计. 通过数值算例进一步验证了学习算法的有效性.