第二章过程建模讲述.pptVIP

一、随机信号的统计描述 随机信号在每一时刻的数值都是一个随机变量，而这随机变量又是时间的函数，则可称为随机过程。 随机过程也可用总体平均值、总体均方值等来描述。 t t t X1(t) X2(t) X3(t) 0 0 0 平稳随机过程:如果有一个随机过程，它的统计特性在各个时刻都不变，则称其为平稳随机过程。 各态历经的平稳随机过程:在不同时刻下对总体中的任意一个实现x1(t)或x2(t)观察的结果求得的时间平均值是相同的，则称此平稳随机过程为各态历经的平稳随机过程。 此时其总体的统计特性就可用一条记录曲线的统计特性来表示，只要时间足够长，其总体平均值x(T)等于任一个x1(t)的时间平均值x1(T)，即： 同理，其时间均方值为 二、相关函数、谱密度函数和白噪声的基本概念 1．相关函数 相关函数包括自相关函数和互相关函数 有一个t时刻的信号x(t)总是在一定程度上影响着时刻（t＋τ）的信号x（t＋τ）的值，则称x(t)与x(t+τ)是相关的。一个信号的未来值与现在值之间的相关程度可采用自相关函数Rxx(τ)来表示。它为x(t)与x(t+τ)乘积的时间平均值，即 当一个在t时刻的信号x(t)对另外一个在（t+τ）时刻的信号y(t+τ)有影响时，则称x(t)与y（t＋τ）是相关的，相关程度可用互相关函数Rxx(τ)来表示，它为x(t)与y(t+τ)乘积的时间平均值,即 2．谱密度函数 信号x(t)的自相关函数Rxx(τ)是用时间域进行描述的。同样，Rxx(τ)进行傅氏变换，可用频率域进行描述，即: 3．白噪声 若在所有频率下，一个平稳随机过程x(t)的功率密度谱都具有恒定的幅值，如图所示，即 0 0 常数， 则称x(t)是“白噪声”。 白噪声的变化速度极快，它的值前后互不相关，其自相关函数可用一个单位脉冲函数来描述，即 三、用相关统计法来辨识过程的数学模型 1．用白噪声辨识过程的数学模型 g(u) x(t) Rxx( ) y(t) Rxy( ) 若过程的输入量为x(t)的自相关函数Rxx(τ)，则其输出量就相当于该过程的输出y(t)与输入x(t)之间的互相关函数Rxx(τ)。 即: 2．用伪随机信号辨识过程的数学模型 （1）伪随机信号。 它并非真正的随机信号，是人为产生的一种具有某些随机信号的统计特性的随机信号。 伪随机信号是一种周期为T的信号序列，它有多种形式，其中最简单、最常用的是二位式序列（简称M序列）。M序列的循环周期为NΔt，将T分为N等分，Δt为每份时间间隔，它等于时钟脉冲周期。M序列的相关函数只需在一个周期内积分，而不必取T→∞的极限，即 M序列自相关函数的波形如下图所示。 -2T -T 0 T 2T （2）辨识原理 用M序列辨识过程的数学模型时，在过程 的输入端施加一个M序列信号，只要M序列的周期大于过程的脉冲响应函数的持续时间，则过程的互相关函数与其脉冲响应函数成比例，即 过程输入端的伪随机信号的自相关函数为一个周期性的三角波，则过程输出的互相关函数是一个三角波的响应，如图所示。因此用上述公式计算求出Rxy(τ)。这样便可得过程的数学模型。 （3）辨识步骤 ①估计过程的过渡过程时间Ts。Ts可以根据经验来粗略估计，也可通过矩形脉冲方波实验来得到。 ②选择M序列参数。M序列伪随机信号的周期T=NΔt应大于过程的过渡过程时间Ts。Δt＜Ts/128。据此即可确定N。信号的幅值a应根据过程的允许幅值来决定，在生产工艺允许的条件下，幅值a应取大一点为好。 ③用计算机或伪随机信号发生器产生M序列地随机信号。 ④按下图线路做实验。 伪随机信 号发生器 过程 相关仪 谱密度 分析仪 X-Y 记录仪 延时装置 本讲习题 1.何谓平稳随机过程？何谓各态历经的平稳随机过程？怎 样描述相关函数、功率密度谱和白噪声？ 2.白噪声与M序列信号有何区别？怎样用M序列辨识过程的 动态特性? 第二章 过 程 建 模 ·第六节 用最小二乘参数估计方法的系统辨识 基本概念 根据输入输出实验数据建模则称为系统辨识。 在模型结构已定，根据输入输出数据来确定模型参数的工作称为参数估计。 一、参数估计的最小二乘法 一个单输入－单输出的线性n阶定常系统，可用如下差分方程表示： 式中： k——采样次数； n——模型阶数。 u(k)——实际过程的输入序列； y(k)——实际过程的输出序列； e(k)——模型残差，它是一个随机变量序列； （2-82） 参数估计(n已知）时，要从输入输出数据求取上述方