دانلود شبیه سازی مقاله شناسایی سیستم با الگوریتم حداقل مربعات بازگشتی مقاوم

عنوان فارسی

شناسایی سیستم با الگوریتم حداقل مربعات بازگشتی مقاوم به همراه فاکتور بازگشتی

عنوان انگلیسی

A Robust Variable Forgetting Factor Recursive Least-Squares Algorithm for System Identification

کلمات کلیدی

فیلتر وفقی، فیلتر تطبیقی، شناسایی سیستم، حداقل مربعات بازگشتی

درسهای مرتبط

فیلتر تطبیقی

تعداد صفحات انگلیسی : 4 نشریه : IEEE
سال انتشار : 2008 تعداد رفرنس مقاله : 8
فرمت مقاله انگلیسی : PDF نوع مقاله : ISI
قیمت دانلود مقاله
87,000تومان
دانلود رایگان مقاله انگلیسی
آیا این مقاله برای بیس پایان نامه مناسب است؟ : بله آیا این مقاله برای ارائه کلاسی مناسب است؟ : بله
برنامه ای که در آن مقاله شبیه سازی شده است : این مقاله در محیط متلب پیاده سازی شده است نام مجله مقاله : IEEE Signal Processing Letters
ترجمه: ندارد گزارشکار : دارد (توضیحات مربوط به کدها در دو فایل 1 صفحه ای و 3 صفحه ای ارائه شده است) (در یک فایل ویدئویی 1 دقیقه ای نیز، ران شدن شبیه سازی ها نشان داده شده است) شبیه سازی : دارد (3 ام فایل متلب)

این مقاله در محیط متلب برای الگوریتم های RLS و VFF-RLS بصورت کامل شبیه سازی شده و در صورت خرید و دانلود مقاله شما به راحتی قادر خواهید بود از برنامه مربوطه استفاده نمایید. در صورت بروز هر گونه مشکل در نحوه ی اجرای برنامه سایت سیگمالند به مدت 24 ساعت بعد از خرید محصول، پشتیبانی آن را تا اجرای کامل برعهده دارد. همچنین برای این مقاله یک گزارش کار کامل از مراحل شبیه سازی مقاله آماده شده است که بعد از خرید قابل دانلود می باشد.

توضیحات و مشاهده مقاله انگلیسی

شناسایی سیستم با RLS

الگوریتم حداقل مربعات بازگشتی (RLS) یکی از محبوب ترین الگوریتم های فیلترهای تطبیقی است. در مقایسه با الگوریتم کمترین میانگین مربعات یا همان LMS الگوریتم RLS دارای نرخ همگرا بهتر، به ویژه برای سیگنال های ورودی بسیار مرتبط با هم ارائه می دهد. در عوض هزینه این بهبود همگرایی، افزایش در پیچیدگی محاسباتی است. الگوریتم RLS متعلق به خانواده فیلترهای کالمن است و بسیاری از الگوریتم های سازگار (از جمله LMS) را می توان به عنوان تقریبی از آن در نظر گرفت. عملکرد الگوریتم های نوع RLS از لحاظ سرعت همگرا، ردیابی، اشتباه تنظیم و ثبات بستگی به عامل فراموش کردن یا forgetting factor دارد. الگوریتم کلاسیک RLS از عامل فراموش کننده ثابت استفاده می کند و نیاز به سازش بین معیارهای عملکرد قبلی دارد. هنگامی که عامل فراموش شدن بسیار نزدیک به یک است، الگوریتم کم تنظیم صحیح و ثبات خوب را به دست می دهد، اما قابلیت ردیابی آن کاهش می یابد. مقدار کمتری از فرایند فراموش شدن ردیابی را بهبود می بخشد، اما تنظیمات خطا را افزایش می دهد و می تواند ثبات الگوریتم را تحت تأثیر قرار دهد.

از الگوریتم های فیلتر وفقی از جمله الگوریتم حداقل مربعات بازگشتی برای شناسایی سیستم یا system identification استفاده می شود.

عملکرد الگوریتم حداقل مربعات بازگشتی (RLS) توسط عامل فراموشی اداره می شود. این پارامتر منجر به سازش بین 1) قابلیت های ردیابی و 2) تنظیم اشتباه و ثبات می شود. در این مقاله، یک الگوریتم فراموش نشدنی VFF-RLS برای شناسایی سیستم پیشنهاد شده است. به طور کلی، خروجی سیستم ناشناخته با یک سیگنال مانند نویز سر و کار دارد. این سیگنال باید در سیگنال خطای فیلتر تطبیقی پس از این که به یک راه حل واقعی همگرا می شود، بازیابی شود. این شرایط برای کنترل ارزش فاکتور فراموشی استفاده می شود. نتایج شبیه سازی نشان دهنده عملکرد خوب و استحکام الگوریتم پیشنهاد شده است.

در ادامه بخشی از نتایج حاصل از شبیه سازی ها در نرم افزار متلب نشان داده شده است.

الگوریتم حداقل مربعات بازگشتی

الگوریتم حداقل مربعات بازگشتی

الگوریتم حداقل مربعات بازگشتی با فاکتور فراموشی

الگوریتم حداقل مربعات بازگشتی با فاکتور فراموشی

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود شبیه سازی مقاله شناسایی سیستم با الگوریتم حداقل مربعات بازگشتی مقاوم”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

چهار × یک =

آموزش برنامه نویسی

پشتیبانی

ارتباط با ما

  • شماره تماس : 09360147484
  • ایمیل : info@sigmaland.ir

نماد اعتماد الکترونیکی

لوگو طلایی

logo-samandehi
تمامی حقوق مادی و معنوی برای سایت سیگمالند محفوظ است.