…延边乐透游戏下载
2011-04-01 19:28
网友供稿
mengtekaluo.net
言盲辨识去掉其中与输入有关的常数,可以把目标函数进一步简化为编辑:金海综上所述,∈gm,m2是准则函数的不稳定平衡点.因此按照式(7),式(8)的梯度寻优算法收敛到的必然是全局极值点.证毕.0.2375均值x(n)=u(n)*h(
去掉其中与输入有关的常数,可以把目标函数进一步简化为
编辑:金海
综上所述,
2是准则函数的不稳定平衡点.因此按照式(7),式(8)的梯度寻优算法收敛到的必然是全局极值点.证毕.
x(n)=u(n)*h(n)+w(n) (1)
≈(1-4ε0)/|1+ε-2ε0|2-1(推导中去掉了分子中ε,ε0所有的二次以上项)
表3 g(i)的终值
(a1)线性时不变系统h是稳定的,但它不一定是最小相位,也不一定是因果的,它存在一个稳定的逆系统h-1.
它的准则函数为
因为本文采是非线性优化方法,这就必然涉及到一个问题:算法收敛到的是全局极值点还是局部极值点?下
面的定理表明算法必然收敛到全局极值点.
因为c>ε>0,上面的不等式严格成立,所以
∈gm不可能是局部极小值.
其中{w(n)}是量测噪声.h(n)是未知的线性时不变系统h的单位脉冲响应.
[返回顶部]
在文献[3]的基础上,本文提出了最大峰度准则,并将其应用到非因
香港***
果系统的辨识中.通过非线性优化中的梯度法,本文设计了一种ar系统的盲辨识算法,并证明了它的全局收敛性,给出了算法在平衡点附近的收敛速度.算法通过构造逆滤波器的方法来进行盲辨识,同时通过基于高阶累积量的自学习算法用逆滤波器的系数逼近ar系统的参数.这个算法可以辩识非因果系统并且也可用于反卷积或者盲均衡.由于采用了高阶累积量,算法对高斯观测噪声有较好的鲁棒性.
关键字:非因果系统
gm={gm:gm(j)符合式(11),且gm中有m个非零元素} (12)
y(n)=x(n)*v(n)=u(n)*g(n)+w′(n) (2)
由文献[3]关于准则有效性的证明,知道g1是由所有全局极值点组成的集合,下面证明gm,m
2是由不稳定平衡点(鞍点)组成的集合,即利用本算法不会收敛到局部极值点.
(a2){u(n)}是平稳的零均值非高斯实信号,而且是一个独立同分布信号,它的m阶累积量γm存在,m
3.加性噪声{w(n)}服从高斯分布,其统计特性未知,且与输入信号{u(n)}相独立.
只要ε>0,上面的不等式就严格成立.也就是说,在
的任何小的领域里,总存在
∈gm不可能是局部极大值.下面证明它也不是局部极小值.
图2和图3为最后一次monte carlo实验中b(i)和a(i)估计值的变化过程.由图中可以看到,在经过大约18次学习后,ar参数的估计值就收敛到真实值.
在文献[3]的基础上,本文提出了基于二阶和四阶统计量的最大(规范化)峰度准则,并设计了基于这种准则的非因果ar系统辩识算法,这个算法同时也可以用于盲反卷积或盲均衡中.与文献[3]未对算法作性能分析不同,本文证明了算法不但是全局收敛的,而且在平衡点附近将以线性速度进行收敛.仿真的结果验证了我们的结论.
基于最大峰度准则的非因果ar系统盲辨识
三、算法的全局收敛性
例2 (反卷积:回响消除)假设房间的回响效果可以用以下的3阶ma模型表示,它的参数为h(0)=l,h(l)=0.5,h(2)=0.2,h(3)=0.1.为了减小截断效应,仿真时取反卷积滤波器的阶数为m=10.设g(i)=h(i)*a(i).
j(g)-j(
)∝‖g-
‖2 (20)
其中w′(n)=w(n)*v(n)仍为一高斯噪声,g(n)是由下式给出的稳定的滤波器
j(g(n))=∑g4(n)/[∑g2(n)]2 (10)
-0.0041
在地震勘探、通讯和水声信号处理等许多领域,经常需要辨识非因果系统.要解决这类非因果系统的盲辨识问题、单靠相关函数是不够的,因为它不包含系统的相位信息[1].
-0.0296
[r 订阅]
由式(11),驻点为g(j)=0或g2(j)=c,其中c=∑g4(i)/∑g2(i)为一常数.为了便于叙述,定义由驻点gm(j)组成的集合gm,m=1,2,…,即
例1.(非因果系统的辨识)真实ar模型为
[告诉好友]
表2 非因果ar系统的反因果部分辨识结果
[打印本页]
设对逆系统h-1的估计为v,则v的输出{y(n)}为
由式(18)和(19),得到
≈-2ε(推导中去掉了ε,ε0所有的二次以上项) (19)
四、算法的收敛速度
下面考虑算法的收敛速度.不失一般性,假设平衡点为
(i)=δ(τ),g(i)为偏离平衡点的一个迭代值.
[关闭窗口]
k42x=c4x(0,0,0)/[c2x(0)]2=γ4x/[σ2x]2 (4)
高阶累积量
可见在全局极值点附近,准则函数是以平方速度变化的.因此本文提出的基于梯度法寻优的学习算法在平衡点附近将线性收敛.从下节例1的图1和图2中可以看到在接近收敛点附近,辨识的各个参数都以几乎相同的斜率收敛到终值.
jl+s,2s(v(n))=|γl+s,y|2s/|γ2s,y|l+s (6)
定理:式(7),式(8)的算法的收敛点是全局极值点.
五、仿真结果
为了克服shalvi & wei tein提出的准则[2]中要求信号的方差相等的限制,可以把式(4)定义的(规范化)的峰度值做为准则函数,这使它更适合于实际应用环境定义的准则函数为
≈(1-4ε0)|1-ε+2ε0|2-1
它的极点位于-0.0506±j0.6532,-0.6988,和-1.7500±h1.3919,信噪比 r=10db辨识时取m=5和n=5,即因果ma部分和反因果ma部分分别比实际模型高两阶和三阶.辨识结果见表1和表2.
基于高阶统计量的系统辨识方法在近年来受到了高度的重视.同基于相关函数的传统辨识方法相比较,高阶统计量的优点在于:1.可保留系统的相位信息,从而有效地辨识非最小相位、非因果系统.2.可以抑制加性有色噪声的影响,提高算法的鲁棒性.在各种高阶统计量中,四阶统计量由于计算相对简单,可以处理对称分布信号而受到人们的特别重视,成为许多算法的基础.
由式(10),得到下列驻点方程
[加入收藏]
证明:根据输入和输出之间高阶累积量的关系,可以把准则函数改写为
2010-09-29 17:01:40作者:赵锡凯 张贤达来源:电子学报
对这个模型中的信号特性做如下假设:
设有一未知的线性时不变系统h,其输入序列{u(n)}也未知,我们只观测到其输出序列{x(n)},n=0,1,…,n-1,其中n为测量序列的长度.系统模型为
[发表评论]
图2 因果部分辨识过程
j=1,2,… (11)
显然,式(5)是式(6)在l=3,s=1时的特例.该准则函数的有效性在[3]中得到了证明,但本文将证明基于式(5)这个准则的算法的全局收敛性和收敛速度.
表1 非因果ar系统的因果部分辨识结果
相关阅读
式中的数学期望在实际应用中都由相应的均值估计代替.当k42x为正时,x(t)为所谓超值,保证k42y不断向正的方向增大;当k42x为负时,x(t)为亚高斯(sub-gau ian)信号,α取负值,k42y不断减小,|k42y|增大.
此处给出两种典型情况的仿真结果,在所有仿真中加性观测噪声为高斯白噪声,输入信号是指数分布的随机过程(均值为零,λ=1),数据长度为3000.学习常数开始时为0.5,在学习过程中逐渐减小为0.1.对每个例子均为30次monte carlo实验.
与通常的峰度定义不同,定义信号x(t)的(规范化的)峰度k42x为
需要说明的是,这个准则函数实际上是chi & wu[3]提出的一大类准则函数中的一个特例.他们提出的准则函数为:
图1 反因果部分辨识过程
二、基于最大峰度准则的系统辨识算法
最大峰度准则
对于非因果ar系统,其逆滤波器是一个因果ma系统和一个反因果ma系统的极联,设这两个系统分别为ω(i)和
(i).针对上面的准则函数,可以利用非线性优化中的梯度法,得到ω(i)和
(i)的自学习算法为:
g(n)=h(n)*v(n) (3)
本文引用地址: http://www.eeworld.com.cn/qrs/2010/0929/article_3215.html
im,构造如下的一个向量g)
上述定理表明,本算法对任何初始值都不会收敛到不希望的局部极值点,这无疑是一个非常可贵的性质.本文例2的仿真结果说明了这一性质.
其中im=(k1,…,km)是一个有m个不重复正整数的集合.构造一个向量
它的准则函数为
图3 g(i)的变化过程
j(v(n))=|k42y|=|γ4y/(σ2y)2| (5)
其中l>s
取反卷积滤波器的初始值为a(1)=1,a(2)=…=a(10)=0,迭代计算g(i)的结果如图3所示.由图可见,经过8次迭代,g(i)就趋近于一个δ函数,表示回响得到了很好的消除.其中g(i)的终值见表3第一行.它近似为δ(t).当初始值为a(1)=…=a(10)=0.1时g(i)的终值见表3第二行.它近似为δ(t-4).两个结果都是全局极值点.这个结果说明了算法是全局收敛的.
j(v(n))=|k42u|∑g4(n)/[∑g2(n)]2 (9)
统计特性未知,且与输入信号{u(n)}相独立.
只要ε>0,上面的不等式就严格成立.也就是说,在
的任何小的领域里,总存在
∈gm不可能是局部极大值.下面证明它也不是局部极小值.
图2和图3为最后一次monte carlo实验中b(i)和a(i)估计值的变化过程.由图中可以看到,在经过大约18次学习后,ar参数的估计值就收敛到真实值.
在文献[3]的基础上,本文提出了基于二阶和四阶统计量的最大(规范化)峰度准则,并设计了基于这种准则的非因果ar系统辩识算法,这个算法同时也可以用于盲反卷积或盲均衡中.与文献[3]未对算法作性能分析不同,本文证明了算法不但是全局收敛的,而且在平衡点附近将以线性速度进行收敛.仿真的结果验证了我们的结论.
基于最大峰度准则的非因果ar系统盲辨识
三、算法的全局收敛性
例2 (反卷积:回响消除)假设房间的回响效果可以用以下的3阶ma模型表示,它的参数为h(0)=l,h(l)=0.5,h(2)=0.2,h(3)=0.1.为了减小截断效应,仿真时取反卷积滤波器的阶数为m=10.设g(i)=h(i)*a(i).
j(g)-j(
)∝‖g-
‖2 (20)
其中w′(n)=w(n)*v(n)仍为一高斯噪声,g(n)是由下式给出的稳定的滤波器
j(g(n))=∑g4(n)/[∑g2(n)]2 (10)
-0.0041
在地震勘探、通讯和水声信号处理等许多领域,经常需要辨识非因果系统.要解决这类非因果系统的盲辨识问题、单靠相关函数是不够的,因为它不包含系统的相位信息[1].
-0.0296
[r 订阅]
由式(11),驻点为g(j)=0或g2(j)=c,其中c=∑g4(i)/∑g2(i)为一常数.为了便于叙述,定义由驻点gm(j)组成的集合gm,m=1,2,…,即
例1.(非因果系统的辨识)真实ar模型为
[告诉好友]
表2 非因果ar系统的反因果部分辨识结果
[打印本页]
设对逆系统h-1的估计为v,则v的输出{y(n)}为
由式(18)和(19),得到
≈-2ε(推导中去掉了ε,ε0所有的二次以上项) (19)
四、算法的收敛速度
下面考虑算法的收敛速度.不失一般性,假设平衡点为
(i)=δ(τ),g(i)为偏离平衡点的一个迭代值.
[关闭窗口]
k42x=c4x(0,0,0)/[c2x(0)]2=γ4x/[σ2x]2 (4)
高阶累积量
可见在全局极值点附近,准则函数是以平方速度变化的.因此本文提出的基于梯度法寻优的学习算法在平衡点附近将线性收敛.从下节例1的图1和图2中可以看到在接近收敛点附近,辨识的各个参数都以几乎相同的斜率收敛到终值.
jl+s,2s(v(n))=|γl+s,y|2s/|γ2s,y|l+s (6)
定理:式(7),式(8)的算法的收敛点是全局极值点.
五、仿真结果
为了克服shalvi & wei tein提出的准则[2]中要求信号的方差相等的限制,可以把式(4)定义的(规范化)的峰度值做为准则函数,这使它更适合于实际应用环境定义的准则函数为
≈(1-4ε0)|1-ε+2ε0|2-1
它的极点位于-0.0506±j0.6532,-0.6988,和-1.7500±h1.3919,信噪比 r=10db辨识时取m=5和n=5,即因果ma部分和反因果ma部分分别比实际模型高两阶和三阶.辨识结果见表1和表2.
基于高阶统计量的系统辨识方法在近年来受到了高度的重视.同基于相关函数的传统辨识方法相比较,高阶统计量的优点在于:1.可保留系统的相位信息,从而有效地辨识非最小相位、非因果系统.2.可以抑制加性有色噪声的影响,提高算法的鲁棒性.在各种高阶统计量中,四阶统计量由于计算相对简单,可以处理对称分布信号而受到人们的特别重视,成为许多算法的基础.
由式(10),得到下列驻点方程
[加入收藏]
证明:根据输入和输出之间高阶累积量的关系,可以把准则函数改写为
2010-09-29 17:01:40作者:赵锡凯 张贤达来源:电子学报
对这个模型中的信号特性做如下假设:
设有一未知的线性时不变系统h,其输入序列{u(n)}也未知,我们只观测到其输出序列{x(n)},n=0,1,…,n-1,其中n为测量序列的长度.系统模型为
[发表评论]
图2 因果部分辨识过程
j=1,2,… (11)
显然,式(5)是式(6)在l=3,s=1时的特例.该准则函数的有效性在[3]中得到了证明,但本文将证明基于式(5)这个准则的算法的全局收敛性和收敛速度.
表1 非因果ar系统的因果部分辨识结果
相关阅读
式中的数学期望在实际应用中都由相应的均值估计代替.当k42x为正时,x(t)为所谓超值,保证k42y不断向正的方向增大;当k42x为负时,x(t)为亚高斯(sub-gau ian)信号,α取负值,k42y不断减小,|k42y|增大.
此处给出两种典型情况的仿真结果,在所有仿真中加性观测噪声为高斯白噪声,输入信号是指数分布的随机过程(均值为零,λ=1),数据长度为3000.学习常数开始时为0.5,在学习过程中逐渐减小为0.1.对每个例子均为30次monte carlo实验.
与通常的峰度定义不同,定义信号x(t)的(规范化的)峰度k42x为
需要说明的是,这个准则函数实际上是chi & wu[3]提出的一大类准则函数中的一个特例.他们提出的准则函数为:
图1 反因果部分辨识过程
二、基于最大峰度准则的系统辨识算法
最大峰度准则
对于非因果ar系统,其逆滤波器是一个因果ma系统和一个反因果ma系统的极联,设这两个系统分别为ω(i)和
(i).针对上面的准则函数,可以利用非线性优化中的梯度法,得到ω(i)和
(i)的自学习算法为:
g(n)=h(n)*v(n) (3)
本文引用地址: http://www.eeworld.com.cn/qrs/2010/0929/article_3215.html
im,构造如下的一个向量g)
上述定理表明,本算法对任何初始值都不会收敛到不希望的局部极值点,这无疑是一个非常可贵的性质.本文例2的仿真结果说明了这一性质.
其中im=(k1,…,km)是一个有m个不重复正整数的集合.构造一个向量
它的准则函数为
图3 g(i)的变化过程
j(v(n))=|k42y|=|γ4y/(σ2y)2| (5)
其中l>s
取反卷积滤波器的初始值为a(1)=1,a(2)=…=a(10)=0,迭代计算g(i)的结果如图3所示.由图可见,经过8次迭代,g(i)就趋近于一个δ函数,表示回响得到了很好的消除.其中g(i)的终值见表3第一行.它近似为δ(t).当初始值为a(1)=…=a(10)=0.1时g(i)的终值见表3第二行.它近似为δ(t-4).两个结果都是全局极值点.这个结果说明了算法是全局收敛的.
j(v(n))=|k42u|∑g4(n)/[∑g2(n)]2 (9)
(责任编辑：admin)
------分隔线----------------------------
上一篇：
下一篇：
------分隔线----------------------------
推荐内容
杨家诚明年初买中超球队 欲邀中国球员加盟伯明翰最好的生日礼物是什么?莅临伦敦温布利...
接下来就是9个软件项目的测试2款intel平台的服务器电源均使用了型号为td -600cbc的电...
acer a ire 5530g的可扩展端口集中在产品两侧与前端,产品后部没有设计接口就这款产品...
皇宫广场上的士兵仪仗队表演地中海的居住天堂没有谁能抗拒这样一顿早餐交通:摩纳哥位...
《黑天鹅》这部芭蕾舞题材的超自然惊悚影片由娜塔莉-波特曼(natalie portman),在早先f...
4分23秒cpu13.14、所有测试项目均在1024*768*32bit环境下测试,不满足条件者选择屏幕拉...
一、北美票房榜(2010年7月23日—7月25日)上一页看明星八卦、查影讯电视节目,上手机新...
抓拍女星洗浴镜头香艳销魂瞬间兽兽爆乳现身遭外籍男子摸臀15秒 甜笑回应国际要闻·员...
热点内容
Keywords:疯狂的一天啊!!疯玩上海延边乐透游戏下载欢乐谷aa***斗地主首选
2011-05-06 10:08
匿名投递
zunlongguoji.com
袄!!那个晕啊~~~~今天去了上海欢乐谷疯了一天啊!!!累也累死了~~~人是那个多啊!!看见了过山车,一溜烟小跑跑去排队~~~居然被告知至少要排4个小时的队~~整个人彻底石化掉...我亲爱的谷木游龙啊!!!!!到最后只玩了5个项目~~激流勇
袄!!那个晕啊~~~~
今天去了上海欢乐谷疯了一天啊!!!
累也累死了~~~
人是那个多啊!!
看见了过山车,
一溜烟小跑跑去排队~~~
居然被告知至少要排4个小时的队~~
整个人彻底石化掉...
我亲爱的谷木游龙啊!!!!!
到最后只玩了5个项目~~
激流勇进就拍了一个小时的队啊~~~~(飚泪......)
玩了浪漫的旋转木马啊~~~华丽丽的说~~~
去了那个黑得什么都看不见的异度空间(俗称鬼屋...)
还有怀旧的摇摆伞~~~
恩~~~那个完美风暴真是太好玩了!!
原来在凤凰山主题公园的扭转乾坤玩过
这次玩是太刺激了!!
啊!!!吃个饭还排了一个小时的队...
饿的呀...
排队排死的...
心痛ing...
亲爱的谷木游龙啊!!!!!
居然没玩!!!!
哼!!下次在去!!!
以下附图~~~大家观赏一下哈~~~
大门啊→
门口喷泉...(我承认我很无聊)→
旋转木马..→
来个摇摆伞的...→
天地双雄...(这个没敢玩..太疯狂了...)→
这个是远景的飓风湾...→
在插一张...胡乱拍的~~~是谷木游龙的标题牌~~~(没坐到~~拍个标题过过瘾吧...)→
该死的树挡住了旋转木马啊...不然肯定很漂漂啊!!!(狠不得锯了那棵树啊!!!)→
还有很多就不发了~~~下次吧~~~
(责任编辑：admin)
------分隔线----------------------------
上一篇：
下一篇：
------分隔线----------------------------
推荐内容
2003年至少要与56个女性发生性关系,确保有两名为***妇女。安徽省安庆...
http://www.comochina.com/co.a ?id=8161顶尖夜总会济南市北园大街205号 88624653安...
非常男女 象山南路与孺子路交叉路口 6632852快乐老家 象山南路317号 6220222佳乐迪ktv...
08月02日 『mtv亚洲大奖』 马来西亚云顶***云星剧场☆☆☆☆☆:亚洲时尚杰出艺人20...
7:00-11:00:39494555杭州钱柜针对学生特价优惠周一至周五07-11点,25元/人,k歌3小时同...
2、马王爷的生日是六月二十三,民间举行祭祀活动,正式祭品是一只全羊,因为人们认为马王...
钻石时代宜昌市首家五星级ktv***钻石***:60599996220399在这霓虹闪烁的夜晚,流连...
后台越硬越好,关系越多越好,脑袋越尖越好,嘴巴越油越好,爪子越长越好,脸皮越厚越好风...
最里面就是基本装饰了,一般都是那种绒面的,看起来比较舒服~~具体点 谢谢了分为两类:软...
优化自动弹出窗口屏蔽能,屏蔽列表随意看【历史版本】腾讯tt最早的中文名称叫腾讯explo...
热点内容
Keywords: