基于粒子群优化与SVR-ADLA算法的MIMO系统识别研究

作     者：杨发权 李赞 郝本建 樊耘 Yang Faquan;Li Zan;Hao Benjian;Fan Yun

作者机构：佛山科学技术学院电子与信息工程学院佛山528000 西安电子科技大学综合业务网理论及关键技术国家重点实验室西安710071 

出 版 物：《高技术通讯》 (Chinese High Technology Letters)

年 卷 期：2015年第25卷第1期

页      面：24-30页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

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)资助项目 

主　　题：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) 

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。