شناسایی سیستم هامرشتین غیرخطی بر اساس الگوریتم تصویر سازی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 496

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RDTM01_120

تاریخ نمایه سازی: 23 دی 1393

چکیده مقاله:

شناسایی سیستم، بدست آوردن پارامترهای مدل با استفاده از دادههای ورودی و خروجی است.در این مقاله شناسایی سیستم بااستفاده از مدل هامرشتین مورد بررسی قرار میگیرد. مدل هامرشتین یکی از روشهای مدل سازی سیستمهای غیرخطی است واز سری کردن مدل غیرخطی استاتیک و مدل خطی دینامیک شکل مهی گیهرد .روشهای پارامتری و غیرپارامتری برای شناسایی سیستم هامرشتین تطبیقی وجود دارد که در این مقاله از روش پارامتری استفاده است. در این مقاله به محاسبه ضهرایس سیسهتمغیرخطی هامرشتین با الگوریتم تصویر سازی افاین با دقت همگرایی بسیار مناسس و شناسایی مدل هامرشتین توسط الگوریتمحداقل مربعات توسعه یافته بازگشتی و مقایسه این دو روش پرداخته شده است.در نهایت نتایج شبیه سازی برتری الگوریتم تصویر سازی افاین را نسبت به الگوریتم حداقل مربعات توسعه یافته بازگشتی نشان میدهد.

کلیدواژه ها:

شناسایی سیستمهای غیرخطی ، مدل هامرشتین ، فیلتر تطبیقی ، الگوریتم تصویر سازی افاین ، حداقل مربعات توسعه یافته بازگشتی ،

نویسندگان

رضا خسروی جلودار

دانشگاه آزاد اسلامی واحد علی آبادکتول، گروه مهندسی برق، علی آبادکتول، ایران

محمود قنبری

دانشگاه آزاد اسلامی واحد علی آبادکتول، گروه مهندسی برق، علی آبادکتول، ایران

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 :
  • D.T. Westwick, R.E. Kearney, Identification of Nonlinear Physiological Systems, Wiley, ...
  • K.J. Hunt, M. Munih, N.de.N. Donaldson, F.MD. Barr, Investigation of ...
  • I.W. Hunter, M.J. Korenberg, The identification of nonlinear biological systems: ...
  • S.W. Su, L. Wang, B.G. Celler, A.V. Savkin, Y. Guo, ...
  • B. Kwak, A.E. Yagle, J.A. Levitt, Nomlinear system identification of ...
  • E. Eskinat, S.H. Johnson, W.L. Luyben, _ of Hammerstein models ...
  • R.C. Emerson, M..Korenberg, M.C.Citron, Identification of complex-cell intensive nonlinearities in ...
  • K.Ozeki and T.Umeda, 1984, "An adaptive filtering algorithm using an ...
  • E. Bai, Frequency domain identification of Hammerstein models, IEEE Trans. ...
  • Z.Q. Lang, A nonparametric polynomial identification algorithm for the Hammerstein ...
  • S.V. Vaerenbergh, J. Via, I. Santamaria, Adaptive kernel canonical correlation ...
  • J. Jeraj, V.J. Mathews, A stable adaptive Hammerstein filter employing ...
  • E.W. Bai, A blind approach to Hammerstein model identification, IEEE ...
  • J. Umoh, Tokunbo Ogunfummi , 2010, An affine proj ection-based ...
  • S. Haykin, Adaptive Filter Theory, fourth ed., Prentice-Hall, New Jersey, ...
  • P.A. Regalia, Adaptive IIR Filtering in Signal Processing and Control, ...
  • M. Radenkovic, T. Bose, T. Mathurasai, Optimality and almost Sure ...
  • نمایش کامل مراجع