第8章生物医学系统的辨识12讲幻灯片.pptVIP

第8章 生物医学系统的辨识与参数估计 本讲内容 第一节　基本概念 第二节　系统频率特性和权函数的辨识 第三节　状态方程的参数估计 第二节　系统频率特性和权函数的辨识 　　(1)脉冲响应的辨识 　　(2)频率特性的辨识 　　(3)利用随机信号的输入—输出关系辨识系统 　　(4)应用实例：鲇鱼的视网膜系统 第三节　状态方程的参数估计 　　(1)最小二乘法 　　(2)应用实例：透析充分性研究 第一节　基本概念 “黑箱”系统：数学模型的类型和参数均未知 “灰箱”系统：已经知道它的数学模型的类型，所不知到的只是其中的某些参数值。 系统辨识（System Identification） ：就是根据对系统输入—输出关系的观察或实验。来建立这个“黑箱”或“灰箱”的数学模型，使此模型在某种判据之下最接近于原型。 参数估计（Parameter Estimation）：系统进行辨识以确定其参数。 模型的分类 线性与非线性： 动态与静态： 确定性与随机性： 宏观与微观： 建模方法 机理法：“白箱”理论 测试法：“黑箱”理论 两者结合：“灰箱”理论 模糊推理建模法：一种基于模糊推理的关于控制系统的建模方法 辨识的定义 Zadeh对辨识的定义: 辨识就是在输入和输出数据的基础上，从一组给定的模型类中，确定一个与所测系统等价的模型。 辨识的三大要素 输入输出数据 模型类 等价准则 实用的辨识定义 辨识有三个要素：数据、模型类和准则。辨识就是按照一个准则在一组模型类中选择一个与数据拟合得最好的模型（近似描述）。 新息的概念 逐步逼近的算法，模型参数 的估计值为 ，在k时刻，过程输出预报值为 ，则 计算预报误差： 此称为输出预报误差或新息(Innovation)。 辨识的主要内容： 实验设计 模型结构辨识 模型参数辨识 模型检验 辨识目的：决定模型类型、精度要求、采用何种辨识方法 先验知识：对试验设计起指导性作用。 实验设计 实验设计包括选择和决定 输入信号（幅度、频带等） 采样时间 辨别时间 开环或闭环辨识 离线或在线辨识 持续激励 在辨识时间之内过程的动态必须被输入信号持续激励。即在实验期间，输入信号必须充分激励过程的所有模态。谱分析角度看，输入信号的频谱必须足以覆盖过程的频谱。 辨识输入信号的选择 持续激励输入信号的要求 最优输入信号设计的要求 采样时间的选择 满足采样定理，即采样速度不低于信号截止频率的两倍 与模型最终应用时的采样时间尽可能保持一致 经验公式： ，T0表示采样时间， T95是过程阶跃响应达到95％时的调节时间。 系统辨识过程 模型结构辨识 模型验前结构的假定、模型结构参数的确定。 模型参数辨识（参数估计） 模型检验 辨识的精度和应用 原因：结构近似、数据污染和数据长度有限。 辨识结果精度需要有评价的标准，不同的标准会有不同的精度。 最终的评价标准是它在实际应用中的效果。 第二节　系统频率特性和权函　　　　数的辨识 　 (1)脉冲响应的辨识 　　(2)频率特性的辨识 　　(3)利用随机信号的输入—输出关系辨识系　　　 统 　　(4)应用实例：鲇鱼的视网膜系统 　(1)脉冲响应的辨识 　对于线性非时变系统，其外部表述的形式之一是： 若 u(t)=δ(t)，则y(t)＝h(t) 只要给予线性非时变系统以单位脉冲输入，而观察其相应输出即可确定h(t)。 该方法的优点是简单。 缺点是由于δ(t)包括的频谱极广，而任何一个系统当作线性系统来处理都是有条件的，一般均只限于某一频段。因此用δ(t)作为输入所引起的非线性问题必然比较严重，从而限制了这个方法的应用。 (2)频率特性的辨识 方法１ 输入各种频率的正弦刺激，等系统基本稳定之后测量相应输出—输入的振幅比和相位差。 方法２ 是对输入和相应的输出分别进行快速傅里叶变换，求出相应的 Y(jω) 和 U (jω) 由此可得 H(jω)= Y(jω)/U (jω) 缺点： 在感兴趣的频段里要求U (jω)都不等于０。 对干扰很敏感。 (3)利用随机信号的输入—输出关系辨识系统 类似地可导出关系式 对(3)、(4)两式两端分别取傅里叶变换即可导出 例：鲇鱼的网膜作为应用刺激和反应的频谱来确定生物系统传送函数 系统的输入是落在网膜上的光强，它在空间上是均匀的，而在时间上则以宽带随机信号来进行调制。 系统的反应是诱发的视网膜电图(ERG)。 求这个光-ERG系统的传递函数。 二阶因子的对数幅频特性曲线频率 第三节　状态方程的参数估计 一、线性动态模型参数辨识--- 最小二乘法 1 辨识方法分类 根据不同的辨识原理，参数模型辨识方法可归纳成三类： 最小二乘类参