- 1、本文档共32页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
系统辨识课件2 西工大.ppt
2.2 M序列辨识系统的脉冲响应 2.3 脉冲响应序列求系统G(s)和G(z) * * 1.M序列的由来 脉冲输入 得脉冲响应,工程上不可实现 白噪声输入 相关法得脉冲响应,工程上不可实现 因此,必须用工程中可重复产生的输入信号来辨识系统的脉冲响应序列。 工程上,采用M序列来辨识系统的脉冲响应序列。 2.M序列的特点 (1)伪随机二位式序列; (2)M序列的数字特征与白噪声相似; (3)确定性序列; (4)工程上可以方便地重复产生。 因此,下面学习以下知识: (1)伪随机噪声; (2)离散二位式白噪声序列; (3)伪随机离散二位式序列;(M序列) (4)二电平M序列; 3.伪随机噪声辨识脉冲响应 伪随机噪声由白噪声截断而来,是一个周期性信号。 伪随机噪声及自相关函数 伪随机噪声信号作为输入信号,则有: 选择适当的截断周期,使g(τ)在τT时已衰减至零。则上式可写成: 得到了与白噪声作为输入的相同辨识结果。 下面来计算Rxy(τ),先计算Rx(τ): 可见计算Rxy(τ)只需计算一个周期即可。 4.离散二位式白噪声 离散白噪声:连续白噪声等间隔采样而成的随机序列。显然,该噪声具有连续白噪声相同的统计特性,即 二位式:离散随机变量取值只有两种数值,没有第三种取值情况。例如,-1和1. 离散二位式白噪声:序列中元素一般取为1和-1,也是真正意义上的白噪声,用其作为输入信号,辨识g(τ)的结果与连续白噪声的是完全一致。 例:某离散二位式噪声 1111-1-1-11-1-111-11-1··· 主要性质:(1)-1和1出现的次数相等; (2)总游程数位(N+1)/2,且-1和1出现的游程相 等,最多相差1个。(N为序列长度) (3)其自相关函数为 注:状态“1”和“-1”连续出现的段叫游程。 5.M序列的产生方法及其性质 M序列:将离散二位式噪声序列截断后,构造出的伪随机序列。 显著特点: (1)M序列是一个确定性序列,可重复产生; (2)M序列具有与离散二位式白噪声相似的性质。 产生方法:工程上产生M序列采用移位寄存器方法。 产生伪随机序列条件:各寄存器初始状态不全为零。 例:取初始状态全为1,则各寄存器状态为 1111(初态)→0111→0011→0001→1000→0100→0010→1001→1100 →0110→1011→0101→1010→1101→1110→1111 输出序列为:111100010011010 (长度N=15) 推广:若寄存器个数为n,则有 (1) 周期长度N=2n-1 ; (2) 总游程=2n-1 ; (3) “0”出现次数为(N-1)/2,“1”出现次数为(N+1)/2. 相差1次。 6.二电平M序列及其性质 工程实际:将M序列转变成电平信号,“0”取为av,“1”取为-av 。 移位脉冲周期为Δ,则该二电平M序列的周期为NΔ。 数字特征: (1)均值mx 在一个周期NΔ内,其均值mx为 显然,当N→∞时,mx→0. (2)自相关函数Rx(τ) 不加证明给出Rx(τ)的计算结果。 当N很大时,上式可写为 Rx(τ)的波形如下: 从图中可知, Rx(τ)由两部分构成: 三角脉冲分量,记为Rx1(τ); 直流分量,记为Rx2(τ); 则有: 其中: 的波形如下: 当Δ很小时,Rx1(τ)可认为是脉冲函数,则有 可见,M序列具有白噪声序列的数字特性。 7.二电平M序列辨识系统的脉冲序列g(τ) 二电平M序列辨识g(τ)有两种方法:作图法和公式法。 (1)作图法 则有: 记: ,A为常数 Rxy(τ)可根据输入输出数据序列计算: 可见,只需将Rxy(τ)曲线向上平移A,即可得g(τ)。 注:当τ→∞时,g(τ)→0. 其图形如图示。 (2)公式法求g(τ) 两边积分有 代入(1)式,可解得g(τ)为 公式法求g(τ)公式组 上述公式组,每次计算可得到g(τ)的一个离散值。 g(τ)一次性计算公式 在系统输入(r+1)个周期二电平M序列时,有 (3)g(τ)的递推算法(在线辨识) 递推算法:假设我们得到了(m-1)组观测数据时的辨识结果gm-1,现在又得到了一组新的观测值(xm,ym)。现在讨论,就gm-1与(xm,ym)数据来如何得到新的g(τ)估计值gm问题。 一般递推算法的计算公式形式如下: 式中, 为利用新观测值对g的预测值。 将 代入上式有 上式即为g(τ)的递推公式。 1.脉冲响应序列
文档评论(0)