导读:本文包含了自适应模型校正论文开题报告文献综述及选题提纲参考文献，主要关键词:自适应,高速SerDes,均衡模型,判决反馈均衡器
自适应模型校正论文文献综述
井凯,余宁梅,戴扬,王希[1]（2019）在《适用于高速背板通信的动态增益与盲均衡协同校正自适应均衡模型》一文中研究指出针对背板通信中信道的时变干扰,该文提出具有增益自适应和盲均衡动态校正功能的均衡模型。该模型基于符号-符号LMS算法,采用CTLE(连续时间线性均衡器)对受到信道干扰的信号进行初步补偿,同时利用增益监控算法和动态盲均衡自适应算法实现对信道幅度衰减的监测和补偿。而在DFE(判决反馈均衡器)中,同时结合半速率结构进行信号的补偿和判决,进一步消除误差。研究结果表明,该模型可对受干扰眼图进行大幅度的校正和补偿,提高传输信号的可靠性,实现均衡功能。(本文来源于《西北大学学报(自然科学版)》期刊2019年06期）
马良[2]（2019）在《基于模型的无波前探测自适应光学系统波前校正》一文中研究指出光学系统的成像过程中,内部存在静态随机像差,外部受到大气湍流的影响产生动态像差,系统中的图像传感器混有各种类型噪声,这些像差及噪声的存在极大地降低了成像质量,使得成像效果模糊、变形。常规自适应光学(AO-Adaptive Optics)系统是一种实时校正波前像差的有效手段,然而在复杂情况下波前测量变得非常困难,因此校正效果受到限制。无波前探测AO系统省去了波前传感器,在恶劣情况下校正依然有效,具有结构简单、可靠性高、体积小等特点。在无波前探测AO系统控制算法方面,基于几何光学原理的控制算法需要事先定义基函数,但它不依赖于基函数的具体类型,可直接利用测量的影响函数作为基函数,无需清除系统像差,简单方便,适用于大、小像差。本文首先以扩展目标作为校正对象,利用88单元变形镜及电荷耦合器件(CCD-Charge Coupled Device),建立带有噪声的无波前探测AO系统模型,在噪声情况下验证了掩膜探测器信号(MDS-Masked Detector Signal)和波前相位平均梯度平方和(MSG-Mean Square Gradient)之间存在线性关系。基于此线性关系的算法作为无波前探测AO系统的控制算法,通过仿真检验模型式无波前探测AO系统在噪声情况下对扩展目标成像的校正能力。结果表明:相同湍流条件、不同信噪比下的校正效果接近;按照湍流条件从小到大的顺序,对比信噪比为20dB时的校正结果,5dB校正后的平均均方根(RMS-Root Mean Square)相对误差分别为3.71%,3.37%和2.32%,说明基于该线性关系的控制算法具有较强的抗噪能力。其次以点目标为校正对象,利用压电变形反射镜、CCD相机和夏克哈特曼传感器等元器件搭建37单元变形镜光学实验平台。通过Microsoft Visual Studio2010(VS2010)软件完成基于该线性关系的控制算法在微软基础类库(MFCMicrosoft Foundation Classes)中闭环模块的实现,并与随机并行梯度下降(SPGDstochastic parallel gradient descent)控制算法实验做对比,进而探究基于线性关系的控制算法对点目标成像的校正能力。实验表明基于该线性关系的控制算法校正速度更快,且不容易出现局部收敛现象。(本文来源于《中国矿业大学》期刊2019-05-01）
马良,徐奇,吴阳,杨慧珍,杨海波[3]（2019）在《噪声情况下模型式无波前探测自适应光学系统扩展目标成像校正》一文中研究指出利用88单元变形镜及电荷耦合器件成像器件,以扩展目标为校正对象,建立了带有噪声的无波前探测自适应光学系统模型。在噪声情况下,验证了扩展目标成像时掩模探测器信号和波前相位的平均梯度平方和之间存在线性关系。将基于此线性关系的算法作为无波前探测自适应光学系统的控制算法,通过仿真,检验了模型式无波前探测自适应光学系统在噪声情况下对扩展目标成像的校正能力。结果表明,相同湍流条件、不同信噪比下的校正效果接近。按照湍流条件从小到大的顺序,与信噪比为20 dB的结果相比,信噪比为5 dB时校正后的平均均方根相对误差分别为3.71%,2.94%和2.42%,说明基于该线性关系的模型控制算法具有较强的抗噪能力。(本文来源于《中国激光》期刊2019年04期）
张玉振,李擎,张维存[4]（2018）在《含有自校正模型的加权多模型自适应控制》一文中研究指出研究了含有大范围参数不确定性离散时间被控对象的加权多模型自适应控制问题(包括模型集构建和加权算法分析).通过构建含有自校正模型和多个固定模型的模型集覆盖并逼近被控对象,在模型输出误差可分的前提下,采用基于模型输出误差性能指标的加权算法,并依据固定模型中是否包含真实被控对象模型的不同情形分析加权算法的收敛性.在权值收敛的前提下,利用虚拟等价系统理论,分析了参数未知线性时不变和参数跳变的情形,在不依赖于特定局部控制算法的基础上,证明了此种模型集构建下的加权多模型自适应控制系统的稳定性和收敛性,放宽了先期加权多模型自适应控制系统稳定性分析中关于模型集构建的约束条件.最终,通过计算机MATLAB仿真,验证了此类加权多模型自适应控制系统的收敛性和闭环稳定性.(本文来源于《工程科学学报》期刊2018年11期）
姜海燕,赵空暖,汤亮,李玉硕,杨华[5]（2018）在《基于自适应差分进化算法的水稻物候期预测模型参数自动校正》一文中研究指出进化算法在作物模型参数校准领域已有广泛应用。由于作物模型的结构包括多组常微分方程,具有非线性、不连续、多峰值特点,因此针对作物模型特点选择合适的进化算法尤为重要。同时,进化算法自身参数对算法性能有较大影响,这些参数选择往往靠经验得出,增加了优化算法在模型参数校准过程中的不确定性。该文针对进化算法应用到作物物候期模型参数校准过程中存在着算法选择和算法参数不确定性问题,以水稻Rice Grow物候期模型为应用对象,分析比较了3类进化算法应用的精度、收敛速度以及稳定鲁棒性。比较的进化算法包括差分进化系列算法(标准差分进化算法和自适应控制参数改进差分进化算法),协同进化遗传算法系列(个体优势遗传算法、M-精英协同进化算法)以及粒子群算法系列(标准粒子群算法、基于自主学习和精英群的多子群粒子群算法)。研究利用武育粳、雪花粘等5个品种在江苏宜兴、兴化和广东高要等不同生态点的多年田间试验资料展开量化分析。结果表明:1)利用自适应控制参数改进差分进化算法校准水稻物候期模型的品种参数准确性较高,算法自身参数易于确定。物候期模型校准以后在拔节期、抽穗期、成熟期的RMSE为1.7～4.6 d、NRMSE为1.8%～5.8%、MAD为1.4～3.3 d、R2为0.977～0.997,比GA系列平均分别小0.634d、0.608%、0.453d、0.09%,比PSO系列平均小1.399d、1.35%、1.039 d、0.23%。2)自适应控制参数改进差分进化算法在水稻物候期模型参数校准问题上表现出良好的收敛速度及稳定鲁棒性。重复校准试验100次的目标函数标准偏差趋近于0,每次校准得到的品种参数值标准偏差较其他算法最小。在达到同样精准度的情况下,比标准差分算法收敛速度平均快117代,适用于实际应用实践。(本文来源于《农业工程学报》期刊2018年21期）
张向阳,黄景涛,郭喜风,曹哲[6]（2017）在《一种DMC模型截断误差自适应校正方法》一文中研究指出动态矩阵控制(DMC)在建模时会产生截断误差,从而影响系统性能。针对这一问题,本文在传统DMC基础上进行了改进,提出了一种预测模型截断误差自适应校正方法。根据系统阶跃响应偏差情况对预测模型进行动态校正补偿,减小了截断误差对系统性能的影响。与传统的DMC算法相比,改进后的DMC算法能很好的补偿由于模型时域过早截断而引起的误差,可有效减小控制系统的波动。通过大惯性双容水箱的仿真结果表明,自适应DMC算法对大惯性控制系统具有较好的控制效果。(本文来源于《控制工程》期刊2017年11期）
左芝勇[7]（2017）在《基于空间特性的自适应Retinex变分校正模型》一文中研究指出提出了一种基于空间特性的自适应Retinex变分校正模型,用于遥感影像的亮度不均校正。该模型构建逐像素的权重函数,能够根据不同的空间信息自适应地控制反射分量的TV正则化约束的强度,在影像的边缘处施加较小的TV正则化约束保持影像的边缘特征;而在影像的同质区域,施加较大的TV正则化约束强度;同时为了防止局部曝光过度,根据反射分量的物理性质,采用均值逼近灰度中值约束"GW"准则。实验表明,提出的自适应方法不仅能够匀光校正,还能保持影像的空间信息;与Kimmels和Lis方法相比,自适应方法在视觉比较结果和量化评估比较中,都具有一定的优势。(本文来源于《计算机与数字工程》期刊2017年10期）
左芝勇[8]（2018）在《一种空间自适应的Retinex变分校正模型》一文中研究指出针对传统Retinex变分模型采用相同的权重容易引起虚假痕迹的缺陷,通过引入差分特征值作为边缘指示算子,构造了一种具有空间自适应调节能力的Retinex变分校正模型。该模型能够利用影像空间域信息来控制变分校正模型在不同像素点的约束强度,在边缘区域施加较小的正则化约束保持影像的边缘特征;而在平坦区域施加较大的正则化约束。同时根据反射分量的物理性质,在变分校正模型中对其施加均值逼近灰度中值约束防止局部曝光过度。采用分裂Bregman迭代法实现对该变分校正模型的最优化求解,利用模拟影像和真实影像进行实验,并与传统方法进行比较,结果表明,该方法能够消除影像灰度不均匀现象,同时大幅提高计算效率。(本文来源于《计算机应用研究》期刊2018年05期）
曾维,陈小波,黄亚辉,葛鑫,赵磊[9]（2016）在《基于混合滤波和节点自适应校正模型的测距算法》一文中研究指出采用混合滤波法过滤异常的RSSI值并估算优值,由节点自适应校正模型消除路径衰减因子,解决了RSSI测距误差较大的问题。由此提出了基于混合滤波和节点自适应校正模型的测距算法。通过实验证明,混合滤波优于常用的几种滤波法,节点自适应校正模型无需测试路径衰减因子,能直接适用于不同环境,并且随着节点个数的增加,测距误差会进一步降低。相比于未采用此模型的情况,该算法能大大降低测距误差和成本,提高RSSI测距的实用性。(本文来源于《传感技术学报》期刊2016年08期）
张伟[10]（2016）在《基于高斯过程回归的自适应多模型建模及校正》一文中研究指出由于工艺、检测技术或运行条件的限制,复杂工业过程中的一些重要的质量变量无法快速直接的检测。为了解决这些问题,软测量技术在工业过程领域受到了越来越广泛的关注。本文在现有的软测量技术研究的基础上,以高斯过程回归(Gaussian Process Regression,GPR)建模方法为基础,从建立自适应软测量模型和对所建立的模型进行校正出发,对软测量进行了深入的研究。首先,针对化工过程的非线性、多阶段和不同的局部动态特征等实际情况,提出一种在线自适应更新的多模型软测量策略。该方法用高斯混合模型对过程的不同阶段进行辨识,并采用一种自适应实时学习(Just-In-Time Learning,JITL)的方法,不断更新所建立的局部GPR模型,最后根据新的数据隶属于每个不同阶段的后验概率,对局部模型进行融合输出。对TE化工过程产品的质量进行预测,仿真结果表明了所提方法具有更高的预测精度和泛化性能。其次,将JITL思想与传统滑动窗口(Moving Window,MW)相结合,通过选择窗口中的相似数据使得滑动窗口能够更加有效地处理过程的动态。然而基于滑动窗口高斯过程回归(Moving Window Gaussian Process Regression,MWGPR,MWGPR)所建立的模型往往是静态模型,考虑实际工业过程呈现动态特性,因此提出了一种基于ARX模型结构的动态建模方法。该方法用高斯混合模型对过程的不同阶段进行辨识,然后基于MWGPR建立ARX模型。同时为了弥补滑动窗口所丢失的信息,利用一种双重更新策略对模型的输出进行补偿。通过连续发酵过程和实际动态水箱实验数据的仿真表明,该方法能够通过自适应的更新当前模型,从而更加有效地跟踪过程的动态。最后,为了解决非高斯噪声对模型预测性能的影响,从预测误差信息出发,提出了一种基于误差高斯混合模型(Error Gaussian Process Regression,EGMM)的GPR软测量方法。选择合适的变量组成误差数据,利用贝叶斯信息准则优化得到合适的高斯成分的个数;再利用EGMM对误差数据进行拟合计算得到条件误差均值对输出进行补偿得到更加精确的结果。通过数值仿真及硫回收装置(Sulfur Recovery Unit,SRU)的H2S浓度的软测量,进一步验证了所提算法的有效性和可行性。(本文来源于《江南大学》期刊2016-06-01）
自适应模型校正论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
光学系统的成像过程中,内部存在静态随机像差,外部受到大气湍流的影响产生动态像差,系统中的图像传感器混有各种类型噪声,这些像差及噪声的存在极大地降低了成像质量,使得成像效果模糊、变形。常规自适应光学(AO-Adaptive Optics)系统是一种实时校正波前像差的有效手段,然而在复杂情况下波前测量变得非常困难,因此校正效果受到限制。无波前探测AO系统省去了波前传感器,在恶劣情况下校正依然有效,具有结构简单、可靠性高、体积小等特点。在无波前探测AO系统控制算法方面,基于几何光学原理的控制算法需要事先定义基函数,但它不依赖于基函数的具体类型,可直接利用测量的影响函数作为基函数,无需清除系统像差,简单方便,适用于大、小像差。本文首先以扩展目标作为校正对象,利用88单元变形镜及电荷耦合器件(CCD-Charge Coupled Device),建立带有噪声的无波前探测AO系统模型,在噪声情况下验证了掩膜探测器信号(MDS-Masked Detector Signal)和波前相位平均梯度平方和(MSG-Mean Square Gradient)之间存在线性关系。基于此线性关系的算法作为无波前探测AO系统的控制算法,通过仿真检验模型式无波前探测AO系统在噪声情况下对扩展目标成像的校正能力。结果表明:相同湍流条件、不同信噪比下的校正效果接近;按照湍流条件从小到大的顺序,对比信噪比为20dB时的校正结果,5dB校正后的平均均方根(RMS-Root Mean Square)相对误差分别为3.71%,3.37%和2.32%,说明基于该线性关系的控制算法具有较强的抗噪能力。其次以点目标为校正对象,利用压电变形反射镜、CCD相机和夏克哈特曼传感器等元器件搭建37单元变形镜光学实验平台。通过Microsoft Visual Studio2010(VS2010)软件完成基于该线性关系的控制算法在微软基础类库(MFCMicrosoft Foundation Classes)中闭环模块的实现,并与随机并行梯度下降(SPGDstochastic parallel gradient descent)控制算法实验做对比,进而探究基于线性关系的控制算法对点目标成像的校正能力。实验表明基于该线性关系的控制算法校正速度更快,且不容易出现局部收敛现象。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应模型校正论文参考文献
[1].井凯,余宁梅,戴扬,王希.适用于高速背板通信的动态增益与盲均衡协同校正自适应均衡模型[J].西北大学学报(自然科学版).2019
[2].马良.基于模型的无波前探测自适应光学系统波前校正[D].中国矿业大学.2019
[3].马良,徐奇,吴阳,杨慧珍,杨海波.噪声情况下模型式无波前探测自适应光学系统扩展目标成像校正[J].中国激光.2019
[4].张玉振,李擎,张维存.含有自校正模型的加权多模型自适应控制[J].工程科学学报.2018
[5].姜海燕,赵空暖,汤亮,李玉硕,杨华.基于自适应差分进化算法的水稻物候期预测模型参数自动校正[J].农业工程学报.2018
[6].张向阳,黄景涛,郭喜风,曹哲.一种DMC模型截断误差自适应校正方法[J].控制工程.2017
[7].左芝勇.基于空间特性的自适应Retinex变分校正模型[J].计算机与数字工程.2017
[8].左芝勇.一种空间自适应的Retinex变分校正模型[J].计算机应用研究.2018
[9].曾维,陈小波,黄亚辉,葛鑫,赵磊.基于混合滤波和节点自适应校正模型的测距算法[J].传感技术学报.2016
[10].张伟.基于高斯过程回归的自适应多模型建模及校正[D].江南大学.2016