RLS自适应算法的MATLAB实现。该程序用于估计一个典型信号产生模型的参数，给出了逼近曲线和误差曲线
标签： 自适应滤波算法
上传时间： 2015-12-09
上传用户：dt98
强化学习通过试错与环境交互获得策略的改进,其自学习和在线学习的特点使其成为机器学习研究的一个重要分支.该文首先介绍强化学习的原理和结构;其次构造一个二维分类图,分别在马尔可夫环境和非马尔可夫环境下讨论最优搜索型和经验强化型两类算法;然后结合近年来的研究综述了强化学习技术的核心问题,包括部分感知、函数估计、多agent强化学习,以及偏差技术;最后还简要介绍强化学习的应用情况和未来的发展方向.
标签： 强化学习
上传时间： 2016-03-26
上传用户：liyanfei
准确量化和预测陆地生态系统碳水通量对于理解陆气间相互作用，预测未来气候变化和控制温室效应具有重要意义。通量观测和模型模拟是目前研究碳水通量的两种主要方法。通量观测精度较高，但观测范围局限、站点分布不均匀，易受环境影响，难以区域扩展；模型模拟可实现不同尺度参量估算，但由于理想化假设、模型参数和驱动数据等限制，导致其模拟结果往往与真实值存在较大偏差。模型-数据融合方法主要是通过参数估计和数据同化两种技术集成观测和模型信息，建立两者相互制约调节的优化关系，以提高模型结果与真实值之间的匹配程度。基于该思路，本研究在地面观测数据、遥感卫星资料以及相关气候环境数据基础上，重点突破全球动态植被模型（Lund-Potsdam-Jena Dynamic Globa Vegetation Model.LPJ-DGVM）敏感参数优化方法，获取适宜中国的参数化方案：在此基础上，引入数据同化算法，将遥感卫星产品信息与模型相融合，在模拟过程中不断校正原有模型模拟轨迹，提高模型适用性。将以上改进的模型推广至中国区域，实现对20002015年中国地区总初级生产力（Gross Primary Productivity GPP）和敬发（Evapotranspiration，ET的空间格局模拟及分析。主要结论如下1）将LP」DGwM中所选出的22个可调参数（涉及光合、呼吸、水平衡异速生长、死亡、建立以及土壤和掉落物分解共七个作用领域）在各自取值范围内随机获得不同的参数组合，结果表明22个参数可引起GPP和ET模拟结果产生较大的不确定性，尤其集中在生长季。所有站点GPP相对不确定性（Relative Uncertainty，RU）基本保持在09-1.25之间，不具有明显的年际变异性：ET相对不确定性RU月变化趋势明显，且基本处于0.5以下，明显低于GPP，说明所筛选的22个参数对GP模拟产生的影响更为显著。
标签： 数据融合
上传时间： 2022-03-16
上传用户：shjgzh
在工业应用中常用一组传感器对问一个被测量目标在一个过程的不同位置进行测量，然而由于每个传感器位于过程的不同位置，它们将不问程度的受到嗓声的干扰，为了从被嗓声干扰的多传感器测量值中获得更准确的测量结果，霱要进“步研究多传感器的融合理论多传感器数据融合系统的关键在于如何充分利用各个传感器的信息，得到对被测参数的最优估计，本文主要研究了以加权的方式进行多传感器数据融合的方法，即研究如何对每个传感器进行加权，从而得到对被测参数最优佑计的方法为此本文在介绍了多传感器数据融合技术的基础上，首先研究了基于奇异值分解的数据融合算法，通过对传感器测量值构成的矩阵进行奇异值分解，利用每个传感器测量值所对应的奇异值，可以估计出对每个传感器权值的最优估计，从而在不要任何先验知识的条件下，可仅由多传感器的测量值，利用提出的算法得到在最小均方误差意义下的被测参数的最优估计，此外，在许多工业过程中，人们利用多传感器测量同一过程参数以控制该参数在过程中的不同位置能根据需要进行合理分布，此时人们希望利用多传感器融合的测量结果，对每一个传感器的测量数据进行重建，以获得对每一个传感器的测量结果进行更为准确的估计。为此，本文进一步研究了基于小波降噪和数据融合的传感器数据重建算法，仿真和实验结果都说明提出算法是有效的，最后，研究了非线性动态系统的状态融合问题，研究了加权无气味卡尔曼滤波（UKF）方法，研究表明无气味卡尔曼波波能克服了扩展卡尔曼滤波（EKF）在状态融合估计中的不足，可以得到了更准确的状态融合估计结关键词多传感器系统，数据融合，奇异值分解，UKF
上传时间： 2022-03-16
上传用户：aben
《统计信号处理基础：估计与检测理论》是一部经典的有关统计信号处理的权威著作。全书分为两卷，分别讲解了统计信号处理基础的估计理论和检测理论。 第一卷详细介绍了经典估计理论和贝叶斯估计，总结了各种估计方法，考虑了维纳滤波和卡尔曼滤波，并介绍了对复数据和参数的估计方法。本卷给出了大量的应用实例，范围包括高分辨率谱分析、系统辨识、数字滤波器设计、自适应噪声对消、自适应波束形成、跟踪和定位等；并且设计了大量的习题来加深对基本概念的理解。第二卷全面介绍了计算机上实现的最佳检测算法，并且重点介绍了现实中的信号处理应用，包括现代语音通信技术及传统的声呐/雷达系统。本卷从检测的基础理论开始，回顾了高斯、c2、F、瑞利及莱斯概率密度；讲解了高斯随机变量的二次型，以及渐近高斯概率密度和蒙特卡洛性能评估；介绍了基于简单假设检验的检测理论基础，包括Neyman-Pearson定理、无关数据的处理、贝叶斯风险、多元假设检验，以及确定性信号和随机信号的检测。最后详细分析了适合于未知信号和未知噪声参数的复合假设检验。
标签： 信号处理
上传时间： 2022-04-14
上传用户：1208020161
PID算法及PWM控制技术简介1.1PID算法控制算法是微机化控制系统的一个重要组成部分，整个系统的控制功能主要由控制算法来实现。目前提出的控制算法有很多。根据偏差的比例（P）、积分（ID，微分（D）进行的控制，称为PID控制。实际经验和理论分析都表明，PID控制能够满足相当多工业对象的控制要求，至今仍是一种应用最为广泛的控制算法之一。下面分别介绍模拟PID、数字PID及其参数整定方法。1.1.1模拟PID在模拟控制系统中，调节器最常用的控制规律是PID控制，常规PID控制系统原理框图如图1.1所示，系统由模拟PID调节器、执行机构及控制对象组成。PID调节器是一种线性调节器，它根据给定值r（1）与实际输出值c（1）构成的控制偏差：e（）=r（t）-c（t）（1.1）将偏差的比例、积分、微分通过线性组合构成控制量，对控制对象进行控制，故称为PID调节器。在实际应用中，常根据对象的特征和控制要求，将P、I、D基本控制规律进行适当组合，以达到对被控对象进行有效控制的目的。例如，P调节器，PI调节器，PID调节器等。模拟PID调节器的控制规律为
上传时间： 2022-07-01
上传用户：
《现代通信系统盲处理技术新进展---基于智能算法》主要由以下8章组成： 第1章简要介绍无线通信系统的结构和发展概况，以及其盲处理算法的相关知识。第2章介绍人工神经网络及相应知识，从BP神经网络若手研究盲处理问题,同时给出复数域BP神经网络的信号盲处理方法和该类方法的优缺点说明。在第3章中介绍智能体的概念，并给出基于多智能体系统的盲处理方法。第4章介绍基于支持向量机框架下的盲处理算法，介绍支持向批机的原理，给出基于ε- 支持向量回归机的信道估计新方法，并介绍基千支持向批回归方法的MPSK和QAM的盲信号处理方法，然后引入星座匹配误差函数，并根据线性支持向搅回归和有序风险最小化原则，由恒模和星座匹配误差函数联合组成的新经验风险项构造一个新的代价函数，进而通过迭代求解优化问题获得均衡器。第5章介绍神经动力学和反馈神经网络的相关知识，特别地从神经动力学角度论述连续反馈神经网络可有效飞作的原因，论述反馈神经网络权值矩阵对吸引子和相轨迹的影响。并给出如何根据系统接收信号与发送信号之间的子空间关系，构造一个适用于现代通信系统中的盲检测的特定性能函数和优化问题。第6章分别展示如何基于连续多阈值神经元Hopfield网络模型实现通信信号盲处理的理论和方法，针对多相制信号的特点给出两种连续相位多阙值激励函数形式，并分析讨论该两类激励函数参数的选择、分别给出连续多阈值神经元 Hopfield 网络工作于同步和异步模式下的新能队函数及其相关证明。介绍采用幅相连续激励法解决稀疏QAM 信号的盲检测思路，并针对 QAM 信号的特点，分别给出连续幅度和相位多阙值激励函数形式，分析讨论该类激励函数的特点。第7章则电在从另一个角度提出采用同相正交振幅连续激励法解决密集QAM信号盲检测方法。介绍如何从激励函数角度分析放大因子选择的范围；给出该特定问题的同步和异步运行模式下的新能量函数形式；并证明和分析所设计的能量函数部分定理；介绍在基于反馈神经网络的信号盲处理方法这一研究课题中发现的几类现象，包括当信号的统计信息缺失或失真情况下，连续多阈值神经元反馈神经网络的盲检测能力：通用高阶QMA的激励函数被使用作为低阶QAM信号盲检测问题时的适用性......
上传时间： 2022-07-09
上传用户：
AD滤波算法函数模块说明： 一、该模块包含滤波算法有：中位值滤波、中位值平均滤波、递推平均滤波、一阶滞后滤波。用户可根据项目不同情况选用不同的滤波算法。1.1、中位值滤波：连续采样N次(N取奇数)，把N次采样值按大小排列，取中间值为本次有效值。适用范围能有效克服因偶然因素引起的波动干扰，对温度、液位的变化缓慢的被测参数有良好的滤波效果。不过对流量、速度等快速变化的参数不宜。1.2、中位值平均滤波：连续采用N个数据，去掉一个最大值和一个最小值，然后计算N-2个数据的算术平均值。适用范围：对应偶然出现的脉冲性干扰，可消除由于脉冲干扰所引起的采样值偏差。但是测量速度较慢, 比较浪费RAM。1.3递推平均滤波：把连续取N个采样值看成一个队列，队列的长度固定为N，每次采样到一个新数据放入队尾，并扔掉原来队首的一次数据，把队列中得N个数据进行算术平均运算，就可以获得新的滤波结果。适用范围：对周期性干扰有良好的抑制作用，平滑度高，适用于高频振荡的系统。缺点是灵敏度低，对偶然出现的脉冲性干扰的抑制作用较差，不易消除由于脉冲干扰所引起的采样值偏差，不适用于脉冲干扰比较严重的场合。1.4、一阶滞后滤波：对周期性干扰具有良好的抑制作用，适用于波动频率较高得场合。缺点就是相位滞后，灵敏度低，滞后程度取决于a的大小，不能消除滤波频率高于采样频率1/2的干扰信号。本次滤波结果result=(1-a)*本次采样值+a*上次值。a=(0~1）
上传时间： 2022-07-28
上传用户：
matlab数学建模算法全收录 超清书签版
上传时间： 2013-05-15
上传用户：eeworm
视频图像格式转换芯片的算法研究
上传时间： 2013-05-25
上传用户：eeworm
