矢量匹配改进.docVIP

矢量匹配改进  摘要：本文介绍了矢量匹配过程的修改，它是为了有理函数频域响应的逼近。修改大大提高了矢量匹配的能力来移居磁极到更好的位置，从而改进其收敛性能和降低最初极集规范的重要性。这是在更宽松的条件下，通过更换矢量匹配缩放功能的高频渐近要求来实现的。当被污染的噪声匹配响应时，计算结果表现出一个很大的性能改进。该过程也证明传输线路、网络当量和变压器的宽带建模是有优势的。 关键词：宏模型，合理近似值，系统识别，矢量匹配（VF）。 一．引言 矢量匹配[1], [2]已成为线性系统，其在高频率下接近统一。它表示这个高频渐近条件 在汇聚处有一个非常不良的影响。这个问题通过更换一个更宽松的渐近条件来解决，它仅用来为最小二乘（LS）的问题提供一个不普通的答案。计算结果表明：该修改在汇聚属性上提供一个重大的改进。 二．矢量匹配 我们首先回顾VF的原始提法。我们的目标是近似的频率响应（一般地，是向量；因此，指定VF），配有一个有理函数， 并且条件d和e是可选的。如在[1]、[2]所 解释的，在VF首次通过解决在最小平方里发现的磁极，线性问题 当 是一个纯量，通常是一个矢量，是一组初始极点。（所有在（3）和（4）中的极点和余数是真实的，或者当d和e是真的时变成复杂的双复共轭）。然后，它可以示出[1]的极点必须等于零，其中可以计算为特征值的矩阵[16，p. 612]。 在（5）中，A是一个保持初始极点的对角矩阵，b是一个列向量，并且是一个保持余数的行向量。 这个过程可以以迭代的方式、用新的极点替换之前的两极，应用在（2）-（5）的反复求解上。这极搬迁过程通常在2-3迭代上收敛。极点已经确定后，（1）的残基通过求解对应LS极问题为最终计算。 图1.f(s)无噪音的有理逼近 三．收敛性问题 VF极点识别的理由是该解决方案（2）将产生的点作为零极点。如图[1]中提到的，当是理性和初始的极数等于数的磁极时，这将确实成为现实。 然而，当含有非理性的贡献（例如，噪声），或者初始极数低于的顺序，它也不可能完全满足（2）。在这种情况下，（2）的解决方案是一个简单的具有最小LS的错误。因为被乘以并且（2）的右侧是一个未知（有理）函数，有一个激励以产生一个其小的幅度，因为这允许减少（2）的左、右面的幅度。与此同时，重定位长距离极点可能要求用一个大的变化幅度。因为由（3）被强迫在高频率接近统一，的一个大的动态变化通常导致在某些频率间隔的大的幅度和一个LS错误的增加。 我们将以一个简单的例子证明此问题。考虑一阶有理函数的嵌合 使用初始磁极10Hz；。 图1表示通过（2）得到的和。正如所预期的，在100Hz时（它被作为极点）。（2）拟合误差接近机器精度应当指出，有一个非常大的动态变异，在低频逼近10000。 图2表示加入1％的随机噪声后的相同结果。新的极点，现在出现在109.6赫兹，而不是在100千赫兹，并且的动态变化在大大减少，在这种情况下，这是不可能由于噪声得到零拟合误差（2）的。如果在图1中极点已经搬迁到正确的位置（100 kHz），的幅度将在低频时已接近10000，相比于图2中较小的，将导致（2）中倍率的偏差。增加噪音水平进一步降低了的动态变化和极点迁移能力。 图2.f(s)的有理逼近 1％的噪音 初始的VF 在另一方面，如果我们看一下例子，其中有一极点在10赫兹，我们使用的初始极点在100千赫兹，，那么在在低频变（和在高频率接近统一）时变得非常小的无声。在嘈杂的情况下，极点在一个重复中迁移到似近正确的值，因为的动态变化导致拟合误差（2）的减少。由此可以得出结论，在高频时近似统一该渐近要求，即接近统一，代表LS的问题（2）的不对称性，从而可以显著破坏极点迁移过程。 四．改进VF VF配方（MVF）的修改显示在以下通过除去LS问题的渐近要求（2）时，给出改进的衔接。这是通过下式替换（3）实现的 是已知值。 为了避免多解或无解，我们向所得的LS问题添加一个方程 公式（8）强制执行实部的总和，在其给定的频率下采样非零值，没有任何固定的自由变量。作为MVF收敛，将在所有频率下近似统一（），类似于初始VF的公式化。注意，在运用式（8）不同右侧时，该过程将起作用，所得的比例将导致式（2）中的相同的比例。由此，它遵循的标准（8）和防止变为零比起来，在LS问题上不强加任何约束。 图3.f(s)的有理逼近 1％的噪音 改进的VF 等式（8）应当相对于的尺寸在LS的问题上被加权，例如 W是指定的权重的嵌合。 因为在迭代中在高频下不近似统一，（5）必须替换为[16, p. 612] （10）式的零点计算只适用于非零数。如果的绝对值被发现为小于时，解决方案被舍弃并且LS问题用固定值在（7）中再次求解：。