最小二乘参数辨识共享及答疑-mem_con.m 我编了一个用最小二乘法辨识系统参数的函数，有限定记忆最小二乘递归算法的（辨识量测噪声为白噪声的系统参数），有广义最小二乘算法的（辨识量测噪声为有色噪声的系统参数及参数噪声），递归算法辨识结果正确，但广义最小二乘辨识出来系统参数正确，但噪声参数不正确，大家帮我看看广义最小二乘的算法程序错在何处。我大概说一下广义最小二乘的算法结构，广义最小二乘递推的每一步用两步递推算法，先把噪声参数和模型参数均给个初值，然后第一步先假设噪声参数已知，用最小二乘估计出模型参数，第二步再用最新的模型参数来估计噪声参数，如此循环直到辨识精度达到指定要求或者可用数据用完为止。我的疑问是：辨识模型参数时需要用到噪声参数，我的噪声参数辨识的不对，为何得到的模型参数又是对的，这点让我很纳闷…… 附件中包含模型和最小二乘辨识的函数M文件，其中LSE.mdl为模型文件，mem_con.m为限定记忆最小二乘的源程序，GLS.m为广义最小二乘源程序，u为输入，使用4阶m序列，Y为白噪声作用下的输出，Yv为有色噪声作用下的输出，系统和噪声的模型均为2阶模型，函数文件中有简单的注释，大家很容易看懂，希望看出问题的前辈不吝赐教。在此先谢过了。

在研究了小波变换的理论知识以及小波变换在图像处理中的应用的基础上，实现了一种基于小波变换的图像水印算法，同时在图像的小波变换域实现了水印的嵌入和提取。仿真实验结果表明本文的水印算法具有较好的不可见性及较好的鲁棒性，水印能够抵抗加噪、压缩、滤波等常用的信号处理操作。

随着网络与多媒体技术的发展，数字媒体作品版权的标识及保护问题越来越突出。数字水印技术通过将水印信息嵌入原始数据中来证明数字作品的版权，是解决这个问题的一种有效方法。本文提出一种基于小波变换的图像数字水印算法，通过将低频子图分块并量化其小波系数，实现水印的嵌入和提取，并对其进行抗噪声、JPEG压缩、旋转等实验。对于旋转攻击，该算法结合了图像的归一化技术。实验结果表明，该算法对常见图像处理和旋转都有较好的鲁棒性。

用于音频水印稳健性测试的攻击软件，非常流行。现在官方主页下载链接已失效。 考虑到许多做音频水印的朋友非常需要，特此共享出来。(请勿用于商业用途)

该资源为吉培荣、佘小莉编《电路原理》的PPT。该书作者按跳出地球看太阳的思维写出该书，说清了许多通常按站在地球上看太阳的思维写出的书中许多说不清的事情。该书作者指出了邱关源《电路》中存在的多处问题（见《电气电子教学学报》的多篇论文。

本程序为matlab的源代码，实现了对电力系统仿真软件PSCAD输出的时域信号数据进行频域的分析。

针对自抗扰控制中参数b0整定困难的问题，提出一种新的参数辨识方法，对线性自抗扰控制器(LADRC)中的参数b0进行辨识，并提出了LADRC参数整定的基本规律．通过频域分析研究了控制器参数b0和控制器带宽ωc的变化对闭环系统扰动抑制能力的影响．通过分析闭环控制系统的稳定区域研究了控制器的鲁棒性．仿真结果表明，根据辨识得到的b0可以快速整定LADRC的参数，使LADRC具有较强的鲁棒性

GUI编写的小界面，导入采集的振动数据，适用于一般的车辆，可直接进行频域分析

针对某电液伺服系统存在非线性及时变性,难以对其进行精确控制的问题,提出了神经网络自抗扰控制方案。该方案利用神经网络所具有的可以实现任意复杂映射关系的能力,将非线性误差反馈控制规律中的比例系数与微分增益作为单神经元自适应控制器的权系数,通过单神经元的自学习功能进行在线调节;同时利用RBF神经网络作为辨识器,以辨识被控对象的梯度信息。通过MATLAB计算机仿真结果证明,该控制方案使系统具有响应速度快、稳态精度高、鲁棒性强等优点,并能够有效的抑制外界扰动。

为了提高水印技术的鲁棒性，提出了彩色图像离散小波变换（DWT）下的块奇异值分解（SVD）的零水印．首先对原始载体图像进行离散小波变换，然后选择低频子带进行分块，且对每一块进行奇异值分解，水印则由分解得到的最大前m个奇异值产生．实验结果表明，算法对各种攻击有较强的鲁棒性．