相关辨识的算法优化

发布时间：2020-09-12 10:54

　　 相关辨识算法是一种经典的系统辨识方法,目前已经被应用于电法勘探中。从当前的研究成果来看,对算法的参数、数据处理以及其他噪声的抗噪性能没有进行系统的理论研究,辨识效果不理想,导致算法在探测金属矿产的过程中有一定的局限性。本文主要从提高辨识精度、提高运算效率、抗噪性能分析三个方面对相关辨识算法的进行优化,系统的总结出了相关辨识优化算法的模型图,并在MATLAB上验证了相关辨识优化算法的可行性,达到了优化辨识结果的目的,同时在理论上分析了野外实验中的信号处理问题。本文的主要内容包括:(1)简述相关辨识算法。主要介绍了相关辨识法原理和系统流程,并总结出相关辨识优化算法的整体模型图。(2)提高辨识精度。主要包括输入信号的时钟周期、信号长度的最优选择;采用多周期取主值区间的线性相关;采用频域辨识方法减小计算误差。(3)提高运算效率。主要包括选择输入信号重复周期数;用混合基FFT优化传统FFT;就相关运算的取点问题进行讨论,选择直接截取的方法;分析采样率对运算效率的影响。(4)抗噪性能分析。主要对四类噪声进行算法中的去噪处理。包括调整时钟周期、陷波滤波原理滤除工频噪声干扰;调整信号长度、加窗优化减小脉冲噪声干扰;设置直流偏置去除直流噪声干扰;递归函数优化维纳滤波算法降低随机噪声干扰。本文的主要创新点在于:采用多周期取主值区间的线性相关优化相关算法;混合FFT优化传统FFT减小算法复杂度;采用直接截取的方法对相关运算进行取点;加入陷波滤波原理去除工频噪声;维纳滤波原理优化抗随机噪声性能,并用递归函数优化维纳滤波原理在相关辨识算法中的应用。总结出相关辨识优化算法的模型图,并仿真验证了其可行性,达到了预期实验结果。
【学位单位】：中国地质大学(北京)
【学位级别】：硕士
【学位年份】：2018
【中图分类】：N945.14
【部分图文】：

(a)码片宽度=0.01 (b)码片宽度=0.001 (c)码片宽度=0.0001图 3-1 码片宽度辨识结果对比图通过理论分析和仿真验证，本文中仿真实验均取码片宽度为 0.001。但是在实际的辨识的时候，情况就比较复杂，要根据辨识的深度调节合适的码片宽度。计算公

阶数辨识结果对比图

图 3-4 辨识结果对比图：线性相关-周期相关仿真实验结果对比图 3-4 可知，线性相关的辨识精度要比圆周采样率为 1 时，线性相关辨识结果较好；从自相关的谱线观察

【相似文献】

相关期刊论文 前10条

1 ;《信号处理》2017年总目次[J];信号处理;2017年12期

2 张玲华,何振亚;一种修正的自适应算法[J];电讯技术;2001年03期

3 张书玲，张雪阳;一种新的锥形算法及其在信号处理中的应用[J];西北大学学报(自然科学版);1996年01期

4 陈永东;一种基于FPGA的DFT算法实现的研究[J];遥测遥控;2005年04期

5 董海迪;何兵;刘刚;郑建飞;;一个多维次成分并行提取算法及其收敛性分析[J];自动化学报;年期

6 李帆;高东;许欣;张玉良;;改进蝙蝠算法柔性作业车间调度问题研究[J];计算机工程与应用;年期

7 董海迪;刘刚;何兵;郑建飞;王世涛;;多维广义次成分提取准则及自适应算法[J];控制与决策;年期

8 杨军;张达敏;何庆;潘志远;基于二进制烟花优化算法的认知无线网络频谱分配[J];计算机应用研究;2019年10期

9 郭雯雯;邵全义;;大数据聚类算法研究[J];无线互联科技;2018年04期

10 贾静平;覃亦华;;基于深度学习的视觉跟踪算法研究综述[J];计算机科学;2017年S1期

相关会议论文 前10条

1 熊薇薇;吴怀宇;;一种改进的角点检测算法[A];中国计量协会冶金分会2009年年会论文集[C];2009年

2 陶丽;张自力;丁晓明;;一种适用于动态重构的联盟形成算法[A];2008年计算机应用技术交流会论文集[C];2008年

3 张兰平;;谈小学一年级算法多样化的优化[A];中华教育理论与实践科研论文成果选编（下）[C];2007年

4 杨红斌;;计划量算法的优化[A];第四届全国医院药剂科建设与管理学术研讨会论文集[C];2012年

5 林克旺;;基于分层网络实现高效的自稳定的选举算法[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（下册）[C];2006年

6 徐英钟;高震;李波;;基于禁忌搜索的蚁群算法求解旅行商问题[A];第四届中国智能计算大会论文集[C];2010年

7 叶衍;楼荣生;何永保;;自然联结的优化算法[A];第十二届全国数据库学术会议论文集[C];1994年

8 赵唯;;晶粒度评级的改进算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

9 许伦辉;傅惠;徐建闽;;基于分形维数的交通流预测模型及算法研究[A];2003年中国智能自动化会议论文集（下册）[C];2003年

10 王树西;白硕;王斌;;模式推理中的“图检索”算法[A];全国第八届计算语言学联合学术会议（JSCL-2005）论文集[C];2005年

相关重要报纸文章 前10条

1 马洪超;走出算法营造的偏狭世界[N];经济日报;2018年

2 沈东坡;致命的“算法”[N];滨海时报;2017年

3 刘振;“成于算法”当警惕“败于算法”[N];安徽日报;2018年

4 中国信息通信研究院产业与规划研究所 李曼 谢智刚;算法升级加快数字经济发展步伐[N];人民邮电;2018年

5 孙益武;算法也应接受法律的审视[N];民主与法制时报;2018年

6 刘文龙;“算法”只是工具 可以运用但别依赖[N];解放日报;2018年

7 小鱼 乐舒 苏晓 晓龙 良辰;算法：干了这杯“酒”，从此推荐内容是好友[N];人民邮电;2018年

8 本报记者 倪弋;网络时代，应如何规范“算法”[N];人民日报;2018年

9 本报记者 刘霞;当算法统治世界[N];科技日报;2011年

10 江苏省盱眙县马坝中心小学 陈琼;关于算法多样化得几点思考[N];学知报;2010年

相关博士学位论文 前10条

1 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年

2 王艳娇;人工蜂群算法的研究与应用[D];哈尔滨工程大学;2013年

3 李美安;普适分布式互斥算法及应用[D];电子科技大学;2007年

4 王小根;粒子群优化算法的改进及其在图像中的应用研究[D];江南大学;2009年

5 刘婷;改进人工蜂群算法及其在多用户检测中的应用[D];天津大学;2013年

6 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年

7 肖建元;保几何结构算法在等离子体物理中的应用[D];中国科学技术大学;2017年

8 盛歆漪;粒子群优化算法及其应用研究[D];江南大学;2015年

9 张冬丽;人工蜂群算法的改进及相关应用研究[D];燕山大学;2014年

10 孔翔宇;几类优化问题的人工蜂群算法[D];西安电子科技大学;2016年

相关硕士学位论文 前10条

1 甄晓丹;相关辨识的算法优化[D];中国地质大学(北京);2018年

2 贾红;烟花爆炸优化算法及其改进研究[D];华中科技大学;2010年

3 王书勤;车辆路径问题的蚁群算法研究[D];重庆大学;2008年

4 张彦芳;基于双麦克的语音增强算法的研究及应用[D];清华大学;2013年

5 邹游;快速傅里叶变换裁剪算法[D];华南理工大学;2017年

6 何子旷;蝙蝠算法的改进与应用[D];广东工业大学;2016年

7 丁亚英;基于局部搜索和二进制的改进人工蜂群算法[D];南京师范大学;2016年

8 韩宏业;基于人工蜂群算法的软硬件划分算法研究[D];天津大学;2014年

9 孟凡明;基于共享因子的人工蜂群算法的研究与应用[D];兰州交通大学;2016年

10 胡庆生;烟花算法及其应用[D];陕西师范大学;2016年

本文编号：2817542