论文部分内容阅读
有限脉冲响应系统是一类典型的线性系统,在工业实践中有着广泛的应用.当系统中含有未知时滞时,不仅需要估计未知参数而且需要估计未知时滞,使得系统辨识的难度和复杂度增大,因此研究含有未知时滞的多输入有限脉冲响应系统参数与时滞联合估计具有重要的理论意义和实际价值.本文将压缩感知重构与最小二乘原理和梯度原理相结合,研究含有未知时滞的多输入有限脉冲响应系统参数与时滞联合估计问题,取得了如下研究成果.1.针对含有未知时滞的多输入单输出有限脉冲响应(Multiple-Input Single-Output Finite Impulse Response,MISO-FIR)系统,将压缩感知重构和最小二乘方法相结合,提出阈值正交匹配追踪(Threshold Orthogonal Matching Pursuit,TH-OMP)算法,该算法能够在有限的测量数据下,同时估计系统的参数和时滞.为了提高TH-OMP算法的计算效率,将压缩感知重构和梯度搜索原理相结合,提出了梯度追踪(Gradient Pursuit,GP)算法.通过计算量分析说明:与TH-OMP算法相比,GP算法具有较小的计算量,数值仿真验证了算法的有效性.2.针对含有未知时滞的多输入单输出有限脉冲响应滑动平均(Multiple-Input Single-Out put Finite Impulse Response Moving Average,MISO-FIRMA)系统,辨识模型的信息向量中含有未知的白噪声回归项,为了解决噪声问题,使用迭代辨识原理和交互估计原理结合TH-OMP算法和GP算法,分别提出了阈值正交匹配追踪迭代(Threshold Orthogonal Matching Pursuit Iterative,TH-OMPI)算法和梯度追踪迭代(Gradient Pursuit Iterative,GPI)算法.数值仿真验证了提出算法的有效性.3.针对含有未知时滞的多输入单输出有限脉冲响应自回归(Multiple-Input Single-Output Finite Impulse Response Auto Regressive,MISO-FIRAR)系统,系统干扰是有色噪声,与MISO-FIRMA的辨识模型相比,该系统辨识模型的信息向量中含有有色噪声项.针对这种有色噪声干扰,本文建立了系统辨识模型并推导了相应的TH-OMPI算法和GPI算法,并采用最小二乘迭代(Least Squares Iterative,LSI)算法作对比说明提出算法的优势.数值仿真和计算量分析表明:提出的算法是有效的,且TH-OMPI算法的计算量小于LSI算法,而GPI算法的计算量又小于TH-OMPI算法.综上所述,本文针对含有未知时滞的多输入单输出有限脉冲响应系统的参数与时滞联合估计问题,分别推导了不同噪声干扰下的辨识模型及其相应的参数与时滞联合估计算法.通过分析和数值仿真说明提出的算法是有效的.