一類雙率采樣數(shù)據(jù)系統(tǒng)參數(shù)估計方法的研究.pdf

1、常規(guī)的離散系統(tǒng)參數(shù)辨識方法都是假定系統(tǒng)各處的輸入和輸出以同樣的采樣周期采樣，然而在實際工業(yè)過程中，有時采用同樣的周期進行參數(shù)辨識是不經(jīng)濟或是不可行的。因而多率系統(tǒng)辨識方法得到了廣泛的應(yīng)用，它可以解決輸入輸出采樣周期不相等的離散系統(tǒng)的參數(shù)辨識和輸出估計問題，可以用來檢測輸出變量，同時通過雙率數(shù)據(jù)得到單率模型，可以用來設(shè)計多率系統(tǒng)推理控制等方案，因此它的研究具有重要的理論意義和使用價值。本文針對多率系統(tǒng)的一種特例-雙率系統(tǒng)進行研究，取得了以

2、下成果。 1、應(yīng)用多項式變換技術(shù)，建立雙率輸入輸出數(shù)據(jù)間的關(guān)系，得到了雙率系統(tǒng)模型。對于雙率隨機時不變系統(tǒng)的方程誤差模型，即ARX模型，研究了基于雙率輸入輸出數(shù)據(jù)的雙率遺忘梯度辨識算法，以及損失輸出估計，同時探討了遺忘因子的選擇方法。然后運用鞅超收斂定理和隨機過程理論分析了算法的收斂性。當(dāng)強持續(xù)激勵條件成立時，給出了該算法參數(shù)估計誤差上界表達式。數(shù)字仿真表明：通過選擇合適的遺忘因子，雙率遺忘梯度算法具有滿意的收斂速度和精度，同時

3、大大降低了計算量。 2、針對雙率系統(tǒng)對應(yīng)的單率系統(tǒng)分別為CAR模型、CARMA模型和CARARMA模型的情況，分別提出了雙率增廣遺忘梯度算法、雙率廣義遺忘梯度算法和雙率增廣廣義遺忘梯度算法。對于辨識模型信息向量中存在的未知不可測噪聲項，通過用它們的估計值代替，解決了這類雙率系統(tǒng)模型辨識問題。并進行了仿真研究。 3、針對一類雙采樣率隨機時變系統(tǒng)，應(yīng)用多項式變換技術(shù)和隨機過程理論，在強持續(xù)激勵條件下，研究了雙率時變遺忘因子最