7.1 线性相位FIR数字滤波器的条件和特点 7.2 利用窗函数法设计FIR滤波器 7.3 利用频率采样法设计FIR滤波器 7.4 利用切比雪夫逼近法设计FIR滤波器 7.5 IIR和FIR数字滤波器的比较

针对挠性卫星本身存在的参数不确定性和外部扰动的控制问题,设计了以径向基函数神经网络和小脑神经网络为基础的复合变结构智能控制器.该控制器利用变结构控制系统对被控对象的模型误差、参数变化及外扰等的不敏感性的优点,再结合神经网络能够迅速逼近未知函数、泛化能力强的特点,可以适应挠性卫星参数不确定性和抑制外加干扰,实现对挠性卫星的有效控制.仿真结果表明复合控制能够提高卫星姿态的稳态精度和快速性

10.1 线性相位数字滤波器幅度函数的特点 10.2 窗函数设计法 10.3 各种窗函数 10.4 FIR数字滤波器的窗函数设计法举例 10.5 FIR数字滤波器设计的频率抽样法 10.6 FIR数字滤波器设计的切比雪夫逼近法 10.7 平均滤波器和梳状滤波器 10.8 插值滤波器和重排滤波器

针对一类带有未知虚拟控制增益的随机严格反馈非线性系统,基于后推设计,引入积分型Lyapunov函数,并利用神经网络的逼近能力,提出了一种自适应神经网络控制方案.与现有研究结果相比,放宽了对控制系统的要求,取消了对于未知函数的限制条件.通过Lyapunov方法证明了闭环系统的所有误差信号依概率有界.仿真结果验证了所给控制方案的有效性

讨论1种对无约束目标函数采用变量矩阵算法求解最优值的方法,变量矩阵算法的特点是利用矩阵迭代计算,收敛速度快,过程较稳定.对于一类可逼近模拟曲线的最佳拟合,可以迭代出符合要求的参数值.作为较典型的应用实例。设计1种幅度均衡器.通过迭代搜索找出满足衰耗误差的元件值,说明曲线拟合达到了预期的效果

针对连续域函数优化问题,提出了一种新的全局极大值搜索方法——多感官群集智能算法(multi-sense swarmintelli-gence algorithm,MSA).受鱼群算法(artificial fish-swarmalgorithm,AFA)和FS算法(free search algorithm,FSA)的启发,MSA的搜索机制将大范围勘察和小范围精确搜索相结合,个体在使用视觉信息快速逼近局部较优解的同时,利用嗅觉信息避免群体过于集中并引导个体向全局较优解方向移动.仿真结果证明:MSA鲁棒性较强,全局收敛性好,收敛速度较快,收敛精度较高.最后,将该方法应用于前向神经网络训练,结果表明满足应用要求

一、 正交函数系与正交多项式 二、 正交多项式的性质 六、小结 三、 Legendre 多项式 四、 Chebyshey 多项式 五、其它常用的正交多项式

5.1 用DFT逼近连续时间信号的频谱 5.2 用FFT计算线卷积和相关运算 5.3 倒频谱分析 5.4 系统频谱响应函数分析及确定

§1.数项级数，同号级数收敛性的判别法§2.变号级数收敏性的判别法§3.级数的运算§4.函数项级数§5.幕级数§6.福里叶级数§7.级数求和法§8.利用级数求定积分之值§9.无穷乘积§10.斯特林格公式§11.用多项式逼近连续函数

7.1 线性相位FIR数字滤波器的条件和特点 7.2 利用窗函数法设计FIR滤波器 7.3 利用频率采样法设计FIR滤波器 7.4 利用切比雪夫逼近法设计FIR滤波器 7.5 IIR和FIR数字滤波器的比较