无限脉冲响应数字滤波器的设计,该书中系统介绍了数字滤波器的基本概念，模拟滤波器的设计，用脉冲响应不变法设计IIR数字低通滤波器，用双线性变换法设计IIR数字低通滤波器，数字高通、带通和带阻滤波器的设计，IIR 数字滤波器的直接设计法
上传时间： 2014-01-17
上传用户：tyler
双线性变换算法,本程序用C语言编制，可在任何计算机上运行，该程序限制所进行变换得系统最高阶次为15阶
上传时间： 2014-01-03
上传用户：爱死爱死
语音编码方案的选取对移动通信系统的通话质量、信道容量等有重要影响。本文讨论了TD-SCDMA系统中AMR语音编码的自适应机制，同时分析了AMR中代数码本线性预测(ACELP)算法及实现过程。该方案可以在一块TMS320C5510上实现。
上传时间： 2017-07-16
上传用户：bjgaofei
涉及电力系统的文献，电力系统负荷模型结构与参数辨识的研究
标签： 电力系统
上传时间： 2017-09-03
上传用户：bjgaofei
提出基于牛顿运动模型的电动机瞬时速度观测器,采用传感器低速异步采样法进行脉冲时刻的精准定位和速度观测器的高精度实时反馈校正。为提高低速工况下瞬时速度观测准确度,提出一种适合于轨道交通低开关频率应用场合的逆变器非线性模型误差补偿算法,并基于电动机本体方程提出一种能确保稳定性的次级电阻在线辨识算法。基于某地铁项目自主研发的直线电动机牵引控制系统进行实验验证,实验结果表明了所提算法的正确性和有效性。
标签： 直线感应电动机 速度检测 逆变器非线性 次级电阻辨识
上传时间： 2016-01-01
上传用户：icebee251
为了在现代异步电机高性能调速系统中实现磁链的准确观测,提出了一种基于模型参考方法的自适应转子磁链观测器.在电机运行过程中,以电机为参考模型,以观测方程为可调系统,建立了一个模型参考自适应系统(MRAS),对电机的转子磁链进行了实时观测,并对电机参数进行了在线辨识.设计了电机参数的自适应律,证明了磁链观测器的收敛性.仿真结果表明,当电机参数未知或者电机参数变化时,观测器能够准确观测电机的转子磁链;在电机的激励电压满足持续激励的条件下,观测器能够快速准确地辨识出电机参数.
标签： 感应电机 模型参考自适应系统 状态观测器 持续激励 参数辨识
上传时间： 2016-01-01
上传用户：icebee251
此论文针对车内噪声会对人体健康造成不良影响的问题。文中采用线性横向结构滤波器和 FXLMS 算法构建系统模型，在 Matlab 平台上引入次级通路理念，搭建加入次级通路传函的有源前馈噪声控制系统，解决了有源噪声控制系统中的非线性通路问题。
上传时间： 2017-12-02
上传用户：flybelieve
关于齿隙辨识必备论文参考（它的英文文献名字：Observer-based Compensation Control of Servo Systems with Backlash），有预补偿，伺服控制系统介绍，观测器设计等。
上传时间： 2019-05-25
上传用户：峰峰学长
5G通信系统中massive-MIMO-FBMC技术的结合概述摘要为了应对第五代移动通信（5G）中更高数据率和更低时延的需求，大规模MIMO （massive multiple-input multiple-output）技术已经被提出并被广泛研究。大规模 MIMO技术能大幅度地提升多用户网络的容量。而在5G中的带宽研究方面，特别 是针对碎片频谱和频谱灵活性问题，现有的正交频分多址（Orthogonal Frequency Division Multiplexing, OFDM）技术不可能应对未来的挑战，新的波形方案需要 被设计出来。基于此，FBMC（filter bank multicarrier）技术由于具有比OFDM低 得多的带外频谱泄露而被受到重视，并已被标准推进组IMT-2020列为5G物理层 的主要备选方案之一。 本文首先回顾了5G中波形设计方案（主要是FBMC调制）和大规模多天线系 统（即massive MIMO）的现有工作和主要挑战。然后，简要介绍了基于Massive MIMO的FBMC系统中的自均衡性质，该性质可以用于减少系统所需的子载波数 目。同时，FBMC中的盲信道跟踪性质可以用于消除massive MIMO系统中的导频 污染问题。尽管如此，如何将FBMC技术应用于massive MIMO系统中的误码率、 计算复杂度、线性需求等方面仍然不明确，未来更多的研究工作需要在massive MIMO-FBMC方面展开来。 关键词：大规模MIMO；FBMC；自均衡；导频污染；盲均衡
上传时间： 2022-02-25
上传用户：
1.针对一类参数未知的非线性离散时间动态系统，提出了一种新的基于神经网络的MMAC方法。首先，将系统分为线性部分和非线性部分。针对系统线性部分采用局部化方法逮立多个固定模型覆盖系统的参数范围，在此基础上，建立自适应模型来提高系统性能；针对系统非线性部分建立非线性神经网络预测模型来邏近系统的非线性。然后，针对每个子模型设计相应的擅制器。最后，设计基于误差范数形式的性能指标函数对控制器进行硬切换。仿真结果表明，所提出的MMAC方法与传统的在参数空间均匀分布的MMAC方法相比能显著提高非线性系统的暂态性能。2针对一类具有参数跳变的非线性离散时间动态系统，提出子一种基才聚类方法和神经网络的MMAC方法，首先，采用模糊c均值聚类算法对系统先验数据进行分类处理，再分别对每类数据采用RLS算法建立多个固定模型。在此基础上，建立两个白适应模型来提高系统响应速度和控制品质，建立神经网络预测模型来补偿系统非线性。然后，分别针对相应的子模型设计线性鲁棒自适应控制器和神经网络控制器。最后，采用基于信号有界和测量误差的性能切换指标对控制器进行切换，并证明闭环系统的稳定性。仿真结果表明，所提出的算法能更好地解决非线性系统发生参数跳变问题，使得系统具有良好的控制品质3.针对MMAC方法中的模型库优化问题，考虑系统实际运行数据，提出了种基于相似度准则和设置最大模型数的动态优化模型库方法。该方法能对新数据进行综合考量并判断是否应该将该数据纳入子模型建模，并通过设置最大模型数来确保系统用最少的子模型就能保证系统的控制性能。仿真结果表明，所提出的算法能极大地减少子模型数量且具有较好的控制效果。关键词：非线性系统；多模型方法；自适应控制；模糊聚类；神经网络
标签： 自适应控制
上传时间： 2022-03-11
上传用户：
