發(fā)布時(shí)間：2024-05-12 02:12

　　針對(duì)在有限數(shù)據(jù)采樣情況下Hammerstein CAR模型的階次和參數(shù)辨識(shí)問(wèn)題,本文將關(guān)鍵變量分離原理和壓縮感知(compressed sensing,CS)理論相結(jié)合,提出了一種改進(jìn)的正交匹配追蹤稀疏辨識(shí)方法。該方法采用關(guān)鍵變量分離原理分離出系統(tǒng)線性模塊中的關(guān)鍵變量,然后用非線性模塊表達(dá)式將其替換,從而將系統(tǒng)輸出表示為含所有待估參數(shù)的線性回歸方程,并將其表達(dá)在采用壓縮感知理論進(jìn)行系統(tǒng)參數(shù)重構(gòu)的標(biāo)準(zhǔn)框架之下,最后利用壓縮感知原理的正交匹配追蹤算法對(duì)系統(tǒng)階次和參數(shù)同時(shí)進(jìn)行估計(jì)。仿真結(jié)果表明,參數(shù)估計(jì)誤差隨著迭代次數(shù)的增加逐漸減小,最終趨于零,說(shuō)明該算法是有效的。該研究能有效地獲得系統(tǒng)階次和參數(shù)估計(jì),提高了估計(jì)辨識(shí)算法的運(yùn)算效率,在實(shí)際工業(yè)過(guò)程中具有一定的實(shí)用意義。

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
1 Hammerstein CAR模型描述
2 壓縮感知理論
3 辨識(shí)方法
    3.1 將Hammerstein模型變換為線性回歸方程
    3.2 辨識(shí)算法
4 仿真例子
5 結(jié)束語(yǔ)



本文編號(hào)：3970703