本文針對(duì)帶量化輸出的輸出誤差模型和帶量化輸出的非線性輸出誤差模型進(jìn)行辨識(shí)研究,介紹了基于模塊化和遞推思想的遞歸預(yù)測(cè)誤差辨識(shí)算法;在此基礎(chǔ)上,為了在每次遞歸中使用更多可用數(shù)據(jù),運(yùn)用加權(quán)的思想得到了加權(quán)遞歸預(yù)測(cè)誤差辨識(shí)算法。在修正加權(quán)算法中,使用當(dāng)前步驟中的信息來更新未知參數(shù)的估計(jì)。在t時(shí)刻的參數(shù)的估計(jì)值是由矯正項(xiàng)來更新的,參數(shù)的估計(jì)值將通過當(dāng)前遞歸步驟處的矯正項(xiàng)和前一時(shí)刻的矯正項(xiàng)來更新。為了確保估計(jì)的準(zhǔn)確性,新的矯正項(xiàng)將是當(dāng)前遞歸步驟處的矯正項(xiàng)和前一時(shí)刻的矯正項(xiàng)的加權(quán)和。本文的主要研究工作如下:1.輸出誤差模型加入量化器后,不能直接測(cè)得輸出誤差模型的輸出,從而使辨識(shí)輸出誤差模型的參數(shù)變得困難。因此,針對(duì)帶量化輸出的輸出誤差模型,本文采用了遞歸預(yù)測(cè)誤差算法來辨識(shí)輸出誤差模型的參數(shù)。在此基礎(chǔ)上,提出了加權(quán)遞歸預(yù)測(cè)誤差算法、變梯度加權(quán)遞歸預(yù)測(cè)誤差算法和修正加權(quán)遞歸預(yù)測(cè)誤差算法。在這三個(gè)加權(quán)算法中,參數(shù)的估計(jì)值是由當(dāng)前遞推步驟的矯正項(xiàng)與前一時(shí)刻的校正項(xiàng)的加權(quán)和來更新,從仿真實(shí)驗(yàn)結(jié)果可以得到加權(quán)后的算法具有更好的辨識(shí)性能。2.本文推導(dǎo)了針對(duì)帶量化輸出的非線性輸出誤差模型的遞歸預(yù)測(cè)誤差算法,算法中對(duì)... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

帶輸入、輸出量化的輸出誤差模型

學(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文 第三章 帶量化輸出的 OE 模型信號(hào) ( )采用具有零均值和單位方差的激勵(lì)信號(hào)序列，v( )是零均值的白噪聲為量測(cè)部分輸出的采樣誤差[77]。將量化函數(shù)中的 初始化為 0.5，并將 初始化的初始值 ( )為[-0.5; 0.3; 0; 0.02]。聲方差 = 0.22時(shí)分別用加權(quán)遞歸預(yù)測(cè)誤差算法、變梯度加權(quán)遞歸預(yù)測(cè)誤差算遞歸預(yù)測(cè)誤差算法來估計(jì)該系統(tǒng)的參數(shù)，參數(shù)估計(jì)及其誤差如表 3.1，估算 ‖ 如圖 3.2 所示。其中 為 1 表示算法未加權(quán)的情況， 為 0.8 表示算為 0.8 的情況， 的初始值設(shè)置為 0.95， 為 0.99。這里的權(quán)值 只取 0.8 是驗(yàn)后得出，當(dāng) = 時(shí)算法的辨識(shí)性能最優(yōu)。

學(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文 第三章 帶量化輸出的 OE 模型真值 -1.56410 0.74080 0.09280 0.08390 0.00000聲方差 = 0. 2時(shí)分別用加權(quán)遞歸預(yù)測(cè)誤差算法、變梯度加權(quán)遞歸預(yù)測(cè)誤差算遞歸預(yù)測(cè)誤差算法來估計(jì)該系統(tǒng)的參數(shù)，參數(shù)估計(jì)及其誤差如表 3.2，估算誤。

【參考文獻(xiàn)】：
期刊論文
[1]AFM壓電陶瓷驅(qū)動(dòng)器類Hammerstein建模與參數(shù)辨識(shí)[J]. 徐運(yùn)揚(yáng),徐康康,沈平.  傳感技術(shù)學(xué)報(bào). 2015(01)
[2]系統(tǒng)辨識(shí)（1）:辨識(shí)導(dǎo)引[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(01)
[3]未知激勵(lì)下框架結(jié)構(gòu)系統(tǒng)辨識(shí)的特征系統(tǒng)實(shí)現(xiàn)算法[J]. 李煒明,朱宏平,吳賢國,夏勇.  振動(dòng)與沖擊. 2010(08)
[4]雙率采樣量化控制系統(tǒng)參數(shù)辨識(shí)方法[J]. 張濤,謝林柏,丁鋒.  科學(xué)技術(shù)與工程. 2008(21)

碩士論文
[1]基于壓縮感知原理的Hammerstein模型的辨識(shí)[D]. 閆亞茹.青島大學(xué) 2018
[2]Wiener非線性系統(tǒng)參數(shù)辨識(shí)智能算法研究[D]. 吳憬琳.江南大學(xué) 2015
[3]基于信號(hào)量化的系統(tǒng)參數(shù)辨識(shí)方法研究[D]. 張濤.江南大學(xué) 2009



本文編號(hào)：3019374