在解決線性參變(LPV)模型的辨識(shí)問(wèn)題上,最小二乘算法以結(jié)構(gòu)簡(jiǎn)單、計(jì)算復(fù)雜度低等優(yōu)點(diǎn)被大量使用。但最小二乘算法辨識(shí)結(jié)果受制于計(jì)算精度和模型近似精度,而這兩者在同一個(gè)系統(tǒng)中是互斥的。因此,該算法的辨識(shí)結(jié)果與真值總是存在一定的誤差。另外,在高階LPV模型辨識(shí)或采樣成本高的情況下,一般模型參數(shù)要多于辨識(shí)數(shù)據(jù),而此時(shí)最小二乘算法很難得到穩(wěn)定的辨識(shí)結(jié)果。本文提出的動(dòng)態(tài)壓縮測(cè)量辨識(shí)(DCMI)算法從兩個(gè)方面提高在該情況下的系統(tǒng)辨識(shí)精度。其一,利用"勻速變化"及"非勻速變化"模型表示參變函數(shù),以提高模型近似精度。其二,利用壓縮感知理論的欠采樣能力,在同等數(shù)據(jù)量的情況下提高參數(shù)的計(jì)算精度、擴(kuò)大模型的計(jì)算規(guī)模。仿真結(jié)果表明,基于"勻速變化"模型DCMI算法可以準(zhǔn)確地辨識(shí)出LPV函數(shù),而且該算法在辨識(shí)數(shù)據(jù)不足的情況下仍然能夠獲得穩(wěn)定的辨識(shí)結(jié)果。

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
1 壓縮感知
2 LPV模型
3 動(dòng)態(tài)壓縮測(cè)量辨識(shí)算法
4 仿真試驗(yàn)
    4.1 勻速變化模型
    4.2 非勻速變化模型
5 結(jié)論



本文編號(hào)：3783807