复杂重尾噪声影响下系统模型的参数估计方法研究与改进

发布时间：2022-12-23 01:28

　　在众多的工程实践中,由于离群点或脉冲干扰的存在,系统所受到的随机噪声干扰往往呈现出重尾分布,即重尾噪声。研究表明,传统的基于高斯噪声假设的参数估计算法在重尾噪声中将会出现性能上的严重下降或根本无法使用,因此如何针对重尾噪声设计相应的鲁棒参数估计算法具有重要的理论意义与实践价值。本文根据不同类型的随机系统,以重尾噪声为背景,针对一些典型的模型结构研究并提出了相应的鲁棒辨识方法,所做的具体工作如下:1.回顾了系统辨识的发展历程,归纳并总结了国内外学者对于参数估计类问题的研究现状。介绍了包括用于描述随机系统的基本模型类、常用的系统辨识输入信号、典型的重尾分布噪声等在内的与本课题相关的基础知识。2.针对一类受到重尾噪声干扰的输出误差滑动平均系统,首先给出了一种基于迭代再赋权重相关分析法的鲁棒辨识方案,并针对该算法中权重函数在鲁棒性及可靠性上的缺陷,通过使用Tukey m估计对权重函数进行改造,从而提出了一种改进算法,该算法可将一定区域内的离群点完全滤除,因此提高了参数估计的鲁棒性,通过仿真实验给出了改进前后的算法在参数估计精度上的差异。3.对于一类存在重尾噪声干扰的多变量Box-Jenkins... 

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 论文的背景及意义
    1.2 系统辨识的发展状况
    1.3 针对重尾噪声的鲁棒估计技术
    1.4 本文主要工作
第二章 系统辨识及参数估计基础
    2.1 系统辨识的基本步骤
    2.2 随机系统的基本模型类
        2.2.1 线性系统
        2.2.2 非线性系统
    2.3 系统输入信号的选择与产生方法
    2.4 典型的重尾分布噪声
    2.5 鲁棒的m估计
    2.6 小结
第三章 针对重尾噪声影响下输出误差类模型的鲁棒参数估计算法改进
    3.1 引言
    3.2 问题描述
    3.3 针对OEMA模型的原始迭代再赋权重相关分析算法
    3.4 改进后的迭代再赋权重相关分析算法
    3.5 仿真实验
    3.6 小结
第四章 针对重尾噪声影响下多变量Box-Jenkins模型的鲁棒辨识算法研究
    4.1 引言
    4.2 问题描述
    4.3 基于最小二乘的迭代辨识算法
    4.4 鲁棒的迭代最小二乘辨识算法
    4.5 仿真实验
    4.6 小结
第五章 针对重尾噪声影响下非线性Hammerstein模型的鲁棒参数估计方法研究
    5.1 引言
    5.2 问题描述
    5.3 基于EM算法的鲁棒辨识方案
        5.3.1 EM算法介绍
        5.3.2 基于EM的鲁棒迭代辨识算法
    5.4 仿真实验
    5.5 小结
第六章 总结与展望
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介
附表


【参考文献】：
期刊论文
[1]基于M估计的抗野值单站无源定位方法[J]. 徐步云,杨晓君,侯维君,李义红.  雷达科学与技术. 2016(06)
[2]Hammerstein模型辨识的回顾及展望[J]. 贾立,李训龙.  控制理论与应用. 2014(01)
[3]基于重尾噪声分布特性的多分类人脸识别方法[J]. 张如艳,王士同.  电子与信息学报. 2012(03)
[4]基于奇异值分解的内模控制方法及在非方系统中的应用[J]. 靳其兵,刘斯文,权玲,曹丽婷.  自动化学报. 2011(03)
[5]基于M估计器的支持向量机算法及其应用[J]. 包鑫,戴连奎.  化工学报. 2009(07)
[6]动态调节模型的最小二乘迭代辨识方法[J]. 陈晓伟,丁锋.  科学技术与工程. 2007(23)
[7]基于前向神经网络的多新息随机梯度辨识算法[J]. 刘英玉,申东日,陈义俊,李蓉.  哈尔滨商业大学学报(自然科学版). 2006(02)
[8]时变系统有限数据窗最小二乘辨识的有界收敛性[J]. 丁锋,丁韬,萧德云,杨家本.  自动化学报. 2002(05)



本文编号：3724435