基于數(shù)據(jù)濾波的兩階段辨識方法.pdf

1、論文以國家自然科學基金項目(NO.60973043)為背景,研究有色噪聲干擾下線性、非線性系統(tǒng)的兩階段辨識方法.作者在查閱了相關文獻的基礎上,簡要回顧了系統(tǒng)辨識的歷史,綜述了相關參數(shù)估計方法,并對兩階段辨識方法進行了深入研究,取得的研究成果如下:
　　 1.針對有色噪聲干擾的輸出誤差類系統(tǒng),提出OEAR模型和Box-Jenkins模型的兩階段辨識方法.算法的主要思想是:根據(jù)噪聲模型的結構設計相應的線性濾波器,用該濾波器對輸入輸出

2、數(shù)據(jù)進行濾波處理,將系統(tǒng)轉(zhuǎn)化為白噪聲干擾的輸出誤差模型,再利用輔助模型辨識思想以及最小二乘原理,將系統(tǒng)模型參數(shù)和噪聲模型參數(shù)交替辨識.仿真例子證明了算法的有效性.
　　 2.很多非線性系統(tǒng)都可以用Hammerstein模型來描述,將兩階段辨識思想推廣到Htammerstein非線性動態(tài)調(diào)節(jié)模型,利用多項式C(z)對非線性結構輸入和輸出進行濾波處理,將系統(tǒng)模型轉(zhuǎn)換為非線性受控自回歸模型,然后利用最小二乘原理將轉(zhuǎn)換后的系統(tǒng)模型和噪聲

3、模型進行交互估計,推導出基于數(shù)據(jù)濾波的的兩階段辨識算法.仿真例子對提出算法進行了仿真并和遞推廣義算法、隨機梯度算法進行了比較.
　　 3.針對一般有色噪聲干擾的Hammerstein非線性系統(tǒng),即干擾噪聲為自回歸滑動平均模型(ARMA)的輸入非線性系統(tǒng),借助數(shù)據(jù)濾波的思想和最小二乘原理,將辨識步驟分為系統(tǒng)模型和噪聲模型辨識兩個階段,提出Hammerstein-CARARMA模型的兩階段辨識算法.計算機仿真說明該算法能得到高精度的