發(fā)布時間：2023-05-14 02:34

　　應(yīng)用高階統(tǒng)計(jì)理論和人工神經(jīng)網(wǎng)絡(luò)理論,本文對線性離散系統(tǒng)ARMA模型及非線性離散系統(tǒng)二階Volterra模型的系統(tǒng)辨識方法進(jìn)行了較深入的探討,獲得了一些理論成果。 本文首先提出了一種基于模型輸入輸出三階累積量對非高斯非最小相位ARMA模型進(jìn)行辨識的最小平方遞推算法-CRLS算法。該算法利用ARMA模型輸出信號的三階累積量和輸入輸出信號的三階互累積量構(gòu)造代價函數(shù),在三階累積量域?qū)崿F(xiàn)對AR及MA子模型的RLS(Recursive Least Squares)辨識。該算法假設(shè)AR及MA子模型的階p,q事先已知,在估計(jì)MA子模型的參數(shù)時,需要計(jì)算殘留時間序列(RTS)。由于在三階累積量域中高斯隨機(jī)信號能被完全消除,當(dāng)所測得的模型輸出信號染有高斯噪聲時,該算法因此仍能獲得ARMA模型參數(shù)的一致估計(jì)值。理論和仿真結(jié)果均表明,該算法具有良好的收斂性和準(zhǔn)確性。 當(dāng)ARMA模型的輸入輸出信號同時染有高斯噪聲時,上述CRLS算法便不再適用。對于一類更一般ARMA模型的辨識,模型的階p,q及相應(yīng)的參數(shù)均完全未知。本文于是提出了一種基于模型含噪聲的輸入輸出信號的三階累積量對非高斯非最小相位ARMA模型的階p,q...

【文章頁數(shù)】：143 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
致謝
第一章 緒論
    參考文獻(xiàn)
第二章 理論基礎(chǔ)
    2.1 系統(tǒng)建模與辨識
        2.1.1 基本概念
        2.1.2 系統(tǒng)辨識的基本步驟
        2.1.3 系統(tǒng)辨識的基本方法
    2.2 高階統(tǒng)計(jì)量及高階譜
        2.2.1 矩(Moments)與累積量(Cumulants)的定義
        2.2.2 矩與累積量間的關(guān)系
        2.2.3 累積量的基本性質(zhì)
        2.2.4 平穩(wěn)隨機(jī)過程的矩與累積量
        2.2.5 其它相關(guān)概念
        2.2.6 高階累積量譜及其相關(guān)的概念
        2.2.7 非高斯非最小相位線性時不變系統(tǒng)的累積量譜及其性質(zhì)
        2.2.8 高階譜的估計(jì)及其特性
        2.2.9 非線性隨機(jī)過程的檢測和表征
    2.3 人工神經(jīng)網(wǎng)絡(luò)的基本原理
    2.4 本章小結(jié)
    參考文獻(xiàn)
第三章 基于輸入輸出三階累積量的非高斯非最小相位ARMA模型的最小平方遞推辨識
    3.1 引言
    3.2 辨識MA子模型的CRLS算法
    3.3 辨識ARMA及AR子模型的CRLS算法
    3.4 有關(guān)算法的討論
    3.5 仿真及分析
    3.6 本章小結(jié)
    附錄
    參考文獻(xiàn)
第四章 基于含噪聲信號的三階累積量對非高斯非最小相位ARMA模型的完全辨識
    4.1 引言
    4.2 問題的提出
    4.3 依模型階次遞推的ARMA辨識算法
    4.4 算法收斂性分析
    4.5 仿真及分析
    4.6 本章小結(jié)
    附錄
    參考文獻(xiàn)
第五章 基于三階累積量對非最小相位ARMA模型的半盲辨識
    5.1 引言
    5.2 ARMA模型的半盲辨識
    5.3 仿真及分析
    5.4 本章小結(jié)
    參考文獻(xiàn)
第六章 基于三階累積量對非最小相位ARMA模型的全盲辨識
    6.1 MA子模型的完全盲辨識
    6.2 仿真及分析
    6.3 本章小結(jié)
    參考文獻(xiàn)
第七章 基于受約束神經(jīng)網(wǎng)絡(luò)的二次非線性系統(tǒng)的盲辨識
    7.1 引言
    7.2 問題的基本描述
    7.3 受約束網(wǎng)絡(luò)的結(jié)構(gòu)
    7.4 網(wǎng)絡(luò)的訓(xùn)練
    7.5 仿真及討論
    7.6 本章小結(jié)
    附錄
    參考文獻(xiàn)
第八章 實(shí)際火車振動信號的建模
    8.1 引言
    8.2 ARMA線性模型的建立
    8.3 二次非線性模型的建立
    8.4 本章小結(jié)
    參考文獻(xiàn)
第九章 基于高階統(tǒng)計(jì)量的二次非線性系統(tǒng)的可盲辨識性
    9.1 引言
    9.2 問題的提出
    9.3 系統(tǒng)的可盲辨識性
    9.4 仿真討論
    9.5 本章小結(jié)
    參考文獻(xiàn)
第十章 基于累積量神經(jīng)網(wǎng)絡(luò)的一般非線性系統(tǒng)辨識
    10.1 引言
    10.2 基于神經(jīng)網(wǎng)絡(luò)的非線性模型
    10.3 網(wǎng)絡(luò)的訓(xùn)練算法
    10.4 仿真討論
    10.5 本章小結(jié)
    參考文獻(xiàn)
第十一章 結(jié)束語
攻讀博士學(xué)位期間已發(fā)表和待發(fā)表的學(xué)術(shù)論文



本文編號：3817010