压缩感知测量辨识算法研究
发布时间:2023-06-03 16:56
近年来,随着空间科学技术的发展,空间材料实验对高温晶体炉的温度控制提出了更高的标准。为了提高控制算法精度,就需要借助系统辨识这个工具,通过分析被控对象的系统模型,设计出有针对性的控制算法。现如今,大多数的辨识算法都是以统计学为基础,通过分析输入输出数据之间的相关关系,从而估计出系统的内部模型。在这种思路下,就需要获得大量用于计算的统计数据,而且数据量越大所估计出的系统模型也就越接近真实系统。不过,这对于很多实际系统而言是很难实现的。本文将系统辨识从信号测量的角度来解决问题。鉴于任意系统均可以被表示为某种信号,所以对系统的辨识问题就可以为是对这个未知信号的测量问题。近年来,压缩感知理论提供了一个对信号进行测量的新框架,该理论将对信号测量的关注点从频域转向信号的信息量,从而突破了传统的采样定理的要求,极大地降低了对数据量的要求。本文正是利用了压缩感知理论来对系统模型进行测量,并且在此基础上提出了压缩测量辨识算法,以期利用尽可能少的测量数据获得准确、稳定、可靠的系统模型。首先,本文将压缩测量辨识算法应用于对线性时不变系统的辨识问题之中,并通过仿真证明了对线性时不变系统的欠采样测量是准确的,并...
【文章页数】:130 页
【学位级别】:博士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 引言
1.1.1 选题背景
1.1.2 选题意义
1.2 系统辨识的发展历史及现状
1.3 本文研究工作
1.4 本文组织结构
第2章 压缩感知理论
2.1 线性测量
2.2 测量恢复准则
2.3 信号恢复算法
2.3.1 l0最小化重建算法
2.3.2 l1最小化重建算法
2.3.3 TV范数重建算法
第3章 线性时不变系统的压缩测量辨识算法研究
3.2 引言
3.3 压缩测量辨识算法
3.3.1 被测对象
3.3.2 测量工具
3.3.3 测量过程
3.3.4 非稀疏对象的稀疏化
3.4 ARX模型与IRS模型的关系
3.5 辨识仿真
3.6 电机测量实验
3.7 结论
第4章 非均匀采样系统的压缩测量辨识算法研究
4.2 引言
4.3 采样准则
4.4 非均匀压缩测量辨识算法
4.4.1 测量对象
4.4.2 非均匀测量
4.4.3 恢复算法
4.5 非均匀采样辨识仿真实验
4.6 直流电机辨识实验
4.7 结论
第5章 线性参变系统的压缩测量辨识算法研究
5.2 引言
5.3 LPV模型
5.4 动态压缩测量辨识算法
5.5 仿真试验
5.5.1 线性变化对象
5.5.2 非线性变化对象
5.6 结论
第6章 基于Volterra级数的非线性压缩测量辨识算法
6.2 引言
6.3 多项式级数展开
6.3.1 Volterra级数
6.3.2 Taylor级数
6.4 非线性压缩测量辨识
6.5 仿真
6.6 结论
第7章 结论与展望
7.1 结论
7.2 创新点
7.3 展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果
本文编号:3829686
【文章页数】:130 页
【学位级别】:博士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 引言
1.1.1 选题背景
1.1.2 选题意义
1.2 系统辨识的发展历史及现状
1.3 本文研究工作
1.4 本文组织结构
第2章 压缩感知理论
2.1 线性测量
2.2 测量恢复准则
2.3 信号恢复算法
2.3.1 l0最小化重建算法
2.3.2 l1最小化重建算法
2.3.3 TV范数重建算法
第3章 线性时不变系统的压缩测量辨识算法研究
3.2 引言
3.3 压缩测量辨识算法
3.3.1 被测对象
3.3.2 测量工具
3.3.3 测量过程
3.3.4 非稀疏对象的稀疏化
3.4 ARX模型与IRS模型的关系
3.5 辨识仿真
3.6 电机测量实验
3.7 结论
第4章 非均匀采样系统的压缩测量辨识算法研究
4.2 引言
4.3 采样准则
4.4 非均匀压缩测量辨识算法
4.4.1 测量对象
4.4.2 非均匀测量
4.4.3 恢复算法
4.5 非均匀采样辨识仿真实验
4.6 直流电机辨识实验
4.7 结论
第5章 线性参变系统的压缩测量辨识算法研究
5.2 引言
5.3 LPV模型
5.4 动态压缩测量辨识算法
5.5 仿真试验
5.5.1 线性变化对象
5.5.2 非线性变化对象
5.6 结论
第6章 基于Volterra级数的非线性压缩测量辨识算法
6.2 引言
6.3 多项式级数展开
6.3.1 Volterra级数
6.3.2 Taylor级数
6.4 非线性压缩测量辨识
6.5 仿真
6.6 结论
第7章 结论与展望
7.1 结论
7.2 创新点
7.3 展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果
本文编号:3829686
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3829686.html