基于压缩感知原理的Hammerstein模型的辨识

发布时间：2020-10-24 09:21

　　 本文研究了Hammerstein CAR系统参数和阶次的同时辨识问题,概述了Hammerstein系统辨识方法的国内外研究现状。采用压缩感知原理,提出Hammerstein CAR的基于关键变量分离原理的正交匹配追踪辨识方法(orthogonal matching pursuit,OMP)和基于辅助变量的正交匹配追踪辨识方法。对提出的两种基于压缩感知原理的辨识方法的有效性进行了仿真验证。研究内容如下:第一,介绍模块化系统的结构,综述了模块化系统的辨识方法;介绍了基本的一次完成最小二乘辨识方法和递推最小二乘辨识方法,以及辅助模型思想和关键变量分离原理。第二,针对Hammerstein CAR系统,将关键变量分离原理与压缩感知原理中正交匹配追踪算法相结合,提出基于关键变量分离原理的正交匹配追踪辨识方法。利用关键变量分离原理得到系统线性参数模型,避免了传统非线性模块和线性模块参数乘积项导致的过参数化;进一步为了减少噪声对系统辨识的影响,采用带有阈值的正交匹配追踪(TH-OMP)算法对模型阶次和参数同时进行辨识。第三,针对Hammerstein CARMA系统,将辅助变量思想与压缩感知原理中正交匹配追踪算法相结合,提出基于辅助变量的正交匹配追踪辨识方法。借助滤波技术和辅助变量对系统方程进行化简和参数解耦,将系统输出表示为含所有待估参数的线性回归方程;针对模型中不可测参数问题,利用辅助模型辨识思想,用模型中不可测参数的估计值代替各个不可测参数,提出基于滤波技术和辅助变量的参数和阶次同时估计的辨识方法。第四,对所提出两种辨识算法,进行了相应的Matlab仿真。仿真结果表明所提出两种算法,辨识精度高,算法的运算量小,能够实现在线辨识。
【学位单位】：青岛大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：N945.14
【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究的意义及背景
    1.2 系统辨识概述
        1.2.1 模型
        1.2.2 系统辨识
    1.3 本文主要内容及内容安排
第二章 模块化系统概述
    2.1 模块化系统简介
    2.2 常用辨识方法
        2.2.1 最小二乘辨识方法
        2.2.2 基于辅助模型思想的辨识方法
        2.2.3 基于关键变量分离原理的辨识方法
    2.3 本章小结
第三章 压缩感知原理
    3.1 压缩感知原理产生背景
    3.2 压缩感知原理的内容
        3.2.1 可压缩信号的稀疏表示
        3.2.2 设计测量矩阵
        3.2.3 信号重构
    3.3 本章小结
第四章 Hammerstein模型的正交匹配追踪辨识方法
    4.1 基于关键变量分离原理的正交匹配追踪辨识算法
        4.1.1 Hammerstein CAR模型描述
        4.1.2 算法推导
        4.1.3 仿真实例与分析
    4.2 基于辅助变量的正交匹配追踪算法
        4.2.1 Hammerstein CARMA模型描述
        4.2.2 算法推导
        4.2.3 仿真实例与分析
    4.3 本章小结
第五章 结论与展望
参考文献
攻读学位期间的研究成果
致谢

【相似文献】

相关期刊论文 前10条

1 石曼曼;李雷;杨真真;;分段迭代匹配追踪图像重构算法[J];中国图象图形学报;2017年09期

2 王世豪;金辉鑫;;基于微分进化算法的匹配追踪算法研究[J];数字技术与应用;2015年01期

3 黄芳;朱永忠;;基于局部性质的改进正交匹配追踪算法[J];青岛科技大学学报(自然科学版);2013年05期

4 张玉峰;;改进的基于树型搜索的正交匹配追踪算法[J];电脑知识与技术(学术交流);2007年14期

5 高强,张发启,孙德明,何正嘉;遗传算法降低匹配追踪算法计算量的研究[J];振动、测试与诊断;2003年03期

6 高飞,玉振明,解光;匹配追踪分解算法的简化实现[J];广西大学梧州分校学报;2002年01期

7 沙志超;盛卫东;徐湛;李骏;;运用改进正交匹配追踪算法精确估计跳频信号跳变时刻[J];国防科技大学学报;2016年02期

8 司菁菁;候肖兰;程银波;;基于块剪枝多路径匹配追踪的多信号联合重构[J];系统工程与电子技术;2016年09期

9 邢岩辉;林云;;改进的压缩采样匹配追踪算法[J];计算机应用;2015年S1期

10 熊承义;董攀峰;;基于FPGA的正交匹配追踪算法的硬件实现[J];中南民族大学学报(自然科学版);2013年02期

相关博士学位论文 前10条

1 李青;优化核方法[D];西安电子科技大学;2007年

2 罗咏劼;追踪与广义近似消息传递[D];电子科技大学;2016年

3 赵勇;小波变换与匹配追踪电能质量分析方法研究[D];北京化工大学;2011年

4 冯勇明;基于Lamb波的航空复合材料板结构损伤识别技术方法研究[D];南京航空航天大学;2012年

5 毕雪;基于能量的稀疏重建及多尺度压缩感知的研究[D];西南交通大学;2014年

6 严保康;低速重载机械早期故障稀疏特征提取的研究[D];武汉科技大学;2014年

7 李政;飞机常见结构原位超声无损检测技术研究[D];国防科学技术大学;2010年

8 易学能;图像的稀疏字典及其应用[D];华中科技大学;2011年

9 彭延峰;自适应最稀疏时频方法及其在旋转机械故障诊断中的应用[D];湖南大学;2017年

10 徐安豹;压缩感知与矩阵填充问题的阈值算法及匹配追踪算法研究[D];湖南大学;2017年

相关硕士学位论文 前10条

1 张帅;基于匹配追踪的激发荧光断层重建算法研究[D];山东大学;2018年

2 张晓芳;基于匹配追踪和深度学习的压缩感知图像重建研究[D];中国科学技术大学;2018年

3 索春琳;OFDM系统中基于正交匹配追踪的稀疏信道估计算法研究[D];东北大学;2015年

4 闫亚茹;基于压缩感知原理的Hammerstein模型的辨识[D];青岛大学;2018年

5 朱姗姗;压縮感知广义正交匹配追踪算法的研究[D];安徽大学;2015年

6 杨盼;压缩感知中改进的匹配追踪类算法研究[D];安徽大学;2016年

7 周东勇;匹配追踪算法在地震反演中的应用[D];成都理工大学;2014年

8 姚瑶;基于核匹配追踪的医学影像辅助诊断[D];西安电子科技大学;2010年

9 陈俣;基于稀疏表示与匹配追踪算法的新生儿疼痛表情识别方法[D];南京邮电大学;2013年

10 李真;匹配追踪方法在结构健康监测中的应用研究[D];南京航空航天大学;2009年

本文编号：2854286