發(fā)布時(shí)間：2020-10-24 09:21

　　 本文研究了Hammerstein CAR系統(tǒng)參數(shù)和階次的同時(shí)辨識(shí)問(wèn)題,概述了Hammerstein系統(tǒng)辨識(shí)方法的國(guó)內(nèi)外研究現(xiàn)狀。采用壓縮感知原理,提出Hammerstein CAR的基于關(guān)鍵變量分離原理的正交匹配追蹤辨識(shí)方法(orthogonal matching pursuit,OMP)和基于輔助變量的正交匹配追蹤辨識(shí)方法。對(duì)提出的兩種基于壓縮感知原理的辨識(shí)方法的有效性進(jìn)行了仿真驗(yàn)證。研究?jī)?nèi)容如下:第一,介紹模塊化系統(tǒng)的結(jié)構(gòu),綜述了模塊化系統(tǒng)的辨識(shí)方法;介紹了基本的一次完成最小二乘辨識(shí)方法和遞推最小二乘辨識(shí)方法,以及輔助模型思想和關(guān)鍵變量分離原理。第二,針對(duì)Hammerstein CAR系統(tǒng),將關(guān)鍵變量分離原理與壓縮感知原理中正交匹配追蹤算法相結(jié)合,提出基于關(guān)鍵變量分離原理的正交匹配追蹤辨識(shí)方法。利用關(guān)鍵變量分離原理得到系統(tǒng)線性參數(shù)模型,避免了傳統(tǒng)非線性模塊和線性模塊參數(shù)乘積項(xiàng)導(dǎo)致的過(guò)參數(shù)化;進(jìn)一步為了減少噪聲對(duì)系統(tǒng)辨識(shí)的影響,采用帶有閾值的正交匹配追蹤(TH-OMP)算法對(duì)模型階次和參數(shù)同時(shí)進(jìn)行辨識(shí)。第三,針對(duì)Hammerstein CARMA系統(tǒng),將輔助變量思想與壓縮感知原理中正交匹配追蹤算法相結(jié)合,提出基于輔助變量的正交匹配追蹤辨識(shí)方法。借助濾波技術(shù)和輔助變量對(duì)系統(tǒng)方程進(jìn)行化簡(jiǎn)和參數(shù)解耦,將系統(tǒng)輸出表示為含所有待估參數(shù)的線性回歸方程;針對(duì)模型中不可測(cè)參數(shù)問(wèn)題,利用輔助模型辨識(shí)思想,用模型中不可測(cè)參數(shù)的估計(jì)值代替各個(gè)不可測(cè)參數(shù),提出基于濾波技術(shù)和輔助變量的參數(shù)和階次同時(shí)估計(jì)的辨識(shí)方法。第四,對(duì)所提出兩種辨識(shí)算法,進(jìn)行了相應(yīng)的Matlab仿真。仿真結(jié)果表明所提出兩種算法,辨識(shí)精度高,算法的運(yùn)算量小,能夠?qū)崿F(xiàn)在線辨識(shí)。
【學(xué)位單位】：青島大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：N945.14
【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究的意義及背景
    1.2 系統(tǒng)辨識(shí)概述
        1.2.1 模型
        1.2.2 系統(tǒng)辨識(shí)
    1.3 本文主要內(nèi)容及內(nèi)容安排
第二章 模塊化系統(tǒng)概述
    2.1 模塊化系統(tǒng)簡(jiǎn)介
    2.2 常用辨識(shí)方法
        2.2.1 最小二乘辨識(shí)方法
        2.2.2 基于輔助模型思想的辨識(shí)方法
        2.2.3 基于關(guān)鍵變量分離原理的辨識(shí)方法
    2.3 本章小結(jié)
第三章 壓縮感知原理
    3.1 壓縮感知原理產(chǎn)生背景
    3.2 壓縮感知原理的內(nèi)容
        3.2.1 可壓縮信號(hào)的稀疏表示
        3.2.2 設(shè)計(jì)測(cè)量矩陣
        3.2.3 信號(hào)重構(gòu)
    3.3 本章小結(jié)
第四章 Hammerstein模型的正交匹配追蹤辨識(shí)方法
    4.1 基于關(guān)鍵變量分離原理的正交匹配追蹤辨識(shí)算法
        4.1.1 Hammerstein CAR模型描述
        4.1.2 算法推導(dǎo)
        4.1.3 仿真實(shí)例與分析
    4.2 基于輔助變量的正交匹配追蹤算法
        4.2.1 Hammerstein CARMA模型描述
        4.2.2 算法推導(dǎo)
        4.2.3 仿真實(shí)例與分析
    4.3 本章小結(jié)
第五章 結(jié)論與展望
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果
致謝

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 石曼曼;李雷;楊真真;;分段迭代匹配追蹤圖像重構(gòu)算法[J];中國(guó)圖象圖形學(xué)報(bào);2017年09期

2 王世豪;金輝鑫;;基于微分進(jìn)化算法的匹配追蹤算法研究[J];數(shù)字技術(shù)與應(yīng)用;2015年01期

3 黃芳;朱永忠;;基于局部性質(zhì)的改進(jìn)正交匹配追蹤算法[J];青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年05期

4 張玉峰;;改進(jìn)的基于樹(shù)型搜索的正交匹配追蹤算法[J];電腦知識(shí)與技術(shù)(學(xué)術(shù)交流);2007年14期

5 高強(qiáng),張發(fā)啟,孫德明,何正嘉;遺傳算法降低匹配追蹤算法計(jì)算量的研究[J];振動(dòng)、測(cè)試與診斷;2003年03期

6 高飛,玉振明,解光;匹配追蹤分解算法的簡(jiǎn)化實(shí)現(xiàn)[J];廣西大學(xué)梧州分校學(xué)報(bào);2002年01期

7 沙志超;盛衛(wèi)東;徐湛;李駿;;運(yùn)用改進(jìn)正交匹配追蹤算法精確估計(jì)跳頻信號(hào)跳變時(shí)刻[J];國(guó)防科技大學(xué)學(xué)報(bào);2016年02期

8 司菁菁;候肖蘭;程銀波;;基于塊剪枝多路徑匹配追蹤的多信號(hào)聯(lián)合重構(gòu)[J];系統(tǒng)工程與電子技術(shù);2016年09期

9 邢巖輝;林云;;改進(jìn)的壓縮采樣匹配追蹤算法[J];計(jì)算機(jī)應(yīng)用;2015年S1期

10 熊承義;董攀峰;;基于FPGA的正交匹配追蹤算法的硬件實(shí)現(xiàn)[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

相關(guān)博士學(xué)位論文 前10條

1 李青;優(yōu)化核方法[D];西安電子科技大學(xué);2007年

2 羅詠劼;追蹤與廣義近似消息傳遞[D];電子科技大學(xué);2016年

3 趙勇;小波變換與匹配追蹤電能質(zhì)量分析方法研究[D];北京化工大學(xué);2011年

4 馮勇明;基于Lamb波的航空復(fù)合材料板結(jié)構(gòu)損傷識(shí)別技術(shù)方法研究[D];南京航空航天大學(xué);2012年

5 畢雪;基于能量的稀疏重建及多尺度壓縮感知的研究[D];西南交通大學(xué);2014年

6 嚴(yán)�？�;低速重載機(jī)械早期故障稀疏特征提取的研究[D];武漢科技大學(xué);2014年

7 李政;飛機(jī)常見(jiàn)結(jié)構(gòu)原位超聲無(wú)損檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

8 易學(xué)能;圖像的稀疏字典及其應(yīng)用[D];華中科技大學(xué);2011年

9 彭延峰;自適應(yīng)最稀疏時(shí)頻方法及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[D];湖南大學(xué);2017年

10 徐安豹;壓縮感知與矩陣填充問(wèn)題的閾值算法及匹配追蹤算法研究[D];湖南大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 張帥;基于匹配追蹤的激發(fā)熒光斷層重建算法研究[D];山東大學(xué);2018年

2 張曉芳;基于匹配追蹤和深度學(xué)習(xí)的壓縮感知圖像重建研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2018年

3 索春琳;OFDM系統(tǒng)中基于正交匹配追蹤的稀疏信道估計(jì)算法研究[D];東北大學(xué);2015年

4 閆亞茹;基于壓縮感知原理的Hammerstein模型的辨識(shí)[D];青島大學(xué);2018年

5 朱姍姍;壓縮感知廣義正交匹配追蹤算法的研究[D];安徽大學(xué);2015年

6 楊盼;壓縮感知中改進(jìn)的匹配追蹤類算法研究[D];安徽大學(xué);2016年

7 周東勇;匹配追蹤算法在地震反演中的應(yīng)用[D];成都理工大學(xué);2014年

8 姚瑤;基于核匹配追蹤的醫(yī)學(xué)影像輔助診斷[D];西安電子科技大學(xué);2010年

9 陳俁;基于稀疏表示與匹配追蹤算法的新生兒疼痛表情識(shí)別方法[D];南京郵電大學(xué);2013年

10 李真;匹配追蹤方法在結(jié)構(gòu)健康監(jiān)測(cè)中的應(yīng)用研究[D];南京航空航天大學(xué);2009年

本文編號(hào)：2854286