基于粒子群优化与SVR-ADLA算法的MIMO系统识别研究

摘要：

针对现有基于径向基函数(RBF)网络对多输入多输出(MIMO)系统识别中存在收敛速度慢、系统识别稳定性不高的问题,提出了一种新的MIMO系统识别方法:采用支持向量回归(SVR)算法建立RBF网络初始化结构,确定初始化网络参数;采用退火动力学习(ADL)算法对系统识别网络进行训练,在训练过程中采用粒子群优化(PSO)迭代算法选出最佳学习率组合,使识别网络实现对MIMO系统的识别.对一个两输入输出系统进行了识别仿真,仿真结果表明,用该识别方法重建的识别系统性能优于目前RBF网络参数优化过程中常用的最小平方算法或梯度下降法算法.RBF网络识别系统易于实现,在MIMO系统识别中具有广泛的应用前景.

关键词：多输入多输出(MIMO)系统识别、径向基函数(RBF)网络、支持向量回归(SVR)、退火动力学习(ADL)、粒子群优化(PSO)

所属期刊栏目：25

分类号：TN4;TP2

资助基金：国家自然科学基金61072070,61301179;教育部博士学科点基金20110203110011;教育部基础科研业务费72124338;陕西省自然基金重点项目2012JZ8002;高等学校学科创新引智计划B08038

在线出版日期：2015-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：24-30