带乘性噪声系统自适应参数辨识算法的的研究.pdfVIP

带乘性噪声系统的自适应参数辨识算法研究 摘要 实际工程系统不仅受加性噪声的干扰，还应考虑由系统能量衰减，非线性畸 变、时变等各种复杂因素的影响造成的乘性噪声的干扰，因此带乘性噪声系统的 研究十分重要。带乘性噪声系统状态估计算法需要精确的系统模型及先验统计量， 否则非但不能达到最优效果，甚至有可能导致滤波发散。当系统噪声统计特性未 知时，带乘性噪声系统的自适应算法受到极大关注。本文主要研究带乘性噪声系 统动态噪声方差和量测噪声方差未知情况下的自适应算法。对于线性系统的自适 应卡尔曼滤波方法研究，国内外已经有了较多的研究成果，但对于带乘性噪声系 统自适应滤波问题的研究尚处于初始阶段，理论体系还不完善。本文在总结前人 研究成果的基础上，针对动态噪声及量测噪声方差未知的带乘性噪声系统提出了 三种不同自适应算法。主要完成以下工作： 1、研究带乘性噪声系统自适应方差辨识算法。利用克罗内克积理论证明系 统在稳态时，新息序列近似为平稳随机过程，因此对于带乘性噪声系统新息方差 可以利用样本方差近似估计。在线性最小方差滤波的基础上，给出了独立自噪声 情形下，噪声方差在最小方差意义下的线性递推估计算法，从而形成了带乘性噪 声系统在噪声方差未知情况下一种自适应滤波算法。并且进一步利用新息实际分 布函数与理想分布函数间的差值，通过对新息协方差加权形式，实现算法的优化。 此算法简单，且容易在计算机上实现，并通过仿真验证了算法的有效性。 2、研究带乘性噪声系统自适应增益辨识算法。在状态滤波算法的基础上， 推导出了独立白噪声情形下，噪声方差未知时滤波增益辨识算法。并基于矩阵范 数不等式、矩阵微分、系统稳定性等理论，证明了算法的收敛性。算法最终将收 敛于系统最优滤波增益，并通过计算机仿真实例验证算法的有效性。 3、研究带乘性噪声系统自适应渐消因子算法。在Kalman自适应渐消因子 算法基础上，基于方差匹配原则产生两个渐消因子，同时对动态噪声方差及量测 噪声方差进行递推辨识计算。 算法简单，收敛速度快，且便于计算机实现。并 利用F一测试，使算法能够跟踪噪声方差的变动，具有更高的实用价值。最后通 过计算杌仿真验证了算法的有效性。 · 关键词：乘性噪声；噪声方差；电适应估计；增益辨识；渐消因子 on i veParameterIdenti ficati on StudyAdapt i thmfor wi thMuI ti I i cati MeNoi se AI gor Systems P Abstract influencedtheadditive also Areal isnot by noise，but systemonly engineering more as distortion， some factors，suchenergydecreasing，nonlinear by complex itis andSO allthesedowntoone noise，SO on，and thing--multiplicative time—varying to onthe with study systemsmultiplicative