相关辨识(--).pptVIP

函数 三、逆重复M序列的产生及其性质 回顾脉冲响应辨识的原理： 返回 返回 谢谢！ 对于平稳过程而言，平稳随即过程的概率分布与任何一次采样函数求得的概率分布相等。 * 横坐标是时间间隔，纵坐标是相关函数。时间间隔为零的时候，自相关函数不为零，时间间隔取0时，自相关函数为零。 * * * 各态历经 ☆ 六、相关函数 1．一个信号的自相关函数具有下述性质 对性质2给出下列证明： 2.自相关函数的物理意义有下列几点 3．互相关函数的几个基本性质 七、功率谱密度（谱密度） 1.自功率谱密度 维纳-辛钦定理：宽平稳随机过程的功率谱密度是其自相关函数的傅里叶变换。 谱密度的物理意义与单位 ☆白噪声的定义与特点 白噪声：把均值为零而谱密度为非零常数的平稳随机过程称为白噪声。借用于白光，表示各频率的能量是均匀分布的。 特点：白噪声过程没有“记忆性”，也就是说，t时刻的数值与t时刻以前的数值无关，而且也不影响t时刻以后的将来值。而且，在统计上，白噪声与其他信号是不相关的。 其相关函数特性如下图所示： 2．互功率谱密度 八、回归分析 Y y1 y2 …… yi …… yn x x1 x2 …… xi …… xn 上表是对于随机变量Y和变量X的n组观测值，对于变量X的观测值，带入式（2.1-30）都可以得到y的一个估计值 ，这样一共可以产生n个y的估计值，估计值与 实测值之间必然存在着一定的误差 为了要使估计值尽量接近于实测值，当利用历史资料建立回归方程时，就要求总的误差最小。这里可以用误差的平方和来表示总误差。因此我们就可以依据总误差最小的原则来确定回归函数的系数a和b。 可解得： 为了便于记忆上式b的计算公式可改写为 b称为经验回归系数 §2.2 用互相关函数及白噪声对系统的辨识 一、用互相关函数法测定系统的脉冲响应输出 回顾1.4-13 互功率谱密度 与u的互相关函数 傅里叶变换 相关辨识的优点一：不影响正常工作，可以在线辨识 可以发现：如果Rxn（）=0的话，式（2.2-8）其实就是式（2.2-4），那么就可以采用前述方法求出系统的传递函数了。如果n（t）为白噪声干扰，在统计上，它与任何信号都互不相关，那么Rxn（）=0；或者选择与干扰互不相关的试验信号，也可以使这一项为零。 相关辨识优点二：抗噪声干扰能力强 在前面反复我们反复提到了白噪声或者与试验信号不相关的信号，而白噪声又具有与任何信号都互不相关的性质，可见白噪声对于相关辨识的重要性。 比如，相关辨识优点一得前提是：试验信号与原信号互不相关，这恰恰是白噪声的一个十分重要的特点！ 二、用白噪声辨识系统 白噪声信号与任何信号都互补先关，因此用它来做试验信号可以在不影响系统正常工作的情况下完成。 但是，白噪声也有其缺点： 1.要想获得精确的互相关函数的话，就必须要在较长的时间里进行积分，而积分时间过长又往往会产生信号漂移；记录仪器工作时间过长的话也会出现零点漂移等的问题。 2.白噪声的随机特性会引起统计上的误差，使重复测试的结果不一致。 3.理想白噪声信号不易产生。 白噪声的上述缺点限制了其在工程中的应用，工程上常常使用一种近似的白噪声，也就是伪随机信号。 §2.3 二位式伪随机序列的产生方法及特性 一、用伪随机信号测定对象的脉冲响应函数 二、二位式伪随机信号的产生 移位寄存器 相关辨识法（2.1---2.3） 杜世昌 2．1 有关随机过程的基础知识 一、随机事件及随机变量 某类事件在相同的条件下可能发生也可能不发生,该类事件称为“随机事件”。 如果在同一组试验条件下不一定能得到相同的试验结果，然而每一个可能出现的试验结果都有一定的机会，或者说有一定的可能性，这个试验是随机试验。 表示随机试验结果的一个数量叫做随机变量。 如果试验的所有可能结果只能一个一个地列举出来，即随机变量的可能值只能一个一个地排列出来，这种随机变量称离散随机变量。 连续随机变量是连续的，是不可能一一列举的，它的所有可能值是充满了一个区间的。 二、概率分布函数与密度函数 1．一维随机变量 若一个试验进行了n次，其结果A(事件)出现了M次，则比率M／n即为A出现的相对频率，或简称频率。若试验次数n足够大，则 就叫A事件的统计概率。 分布函数： 设X是一个随机变量，x是一个任意实数。事件“X不大于某确定值x“的概率P(X≤x)叫随机变量X的分布函数，以F(x)表示之： 分布函数的概念也适用于离散随机变量。设X为一离散随机变量，其可能值为x1 ， x2 ，