理论知识准备.pptVIP

第二讲 知识准备(1/1) 第二讲 理论知识准备 本节介绍在参数估计和自适应控制中所需要的关于 随机过程 控制理论 等方面的理论知识 1. 随机过程知识准备(1/2) 1. 随机过程知识准备 正如在第一讲系统辨识概论中指出的，系统辨识主要是考虑在有噪声污染或随机因素干扰的情况下，通过观测到的系统输入输出数据来辨识建模。 因此,概率论与随机过程理论在 系统的模型描述 信号的采集与预处理 辨识算法的设计与推导 等领域中为至关重要的理论基础。 1. 随机过程知识准备(2/2) 下面就分别简介 随机过程 随机过程的统计特性 随机过程的数字特征 平稳随机过程 随机过程通过线性系统 白噪声与有色噪声 离散时间随机过程 控制系统辨识常用的输入激励信号 1.1 随机过程(1/7) 1.1 随机过程 自然界中事物的变化过程可以大致分成为两类： 一类是其变化过程具有确定的形式，或者说具有必然的变化规律，用数学语言来说，其变化过程可以用一个或几个时间t的确定函数来描述,这类过程称为确定性过程。 例如,电容器通过电阻放电时，电容两端的电位差随时间的变化就是一个确定性函数。 而另一类过程没有确定的变化形式，也就是说,每次对它的测量结果没有一个确定的变化规律，用数学语言来说,这类事物变化的过程不可能用一个或几个时间t的确定函数来描述，这类过程称为随机过程。 1.1 随机过程(2/7) 下面我们给出一个例子: 设有n台性能完全相同的接收机，并在相同的工作环境和测试条件下记录各台接收机的输出噪声波形。 ?这也可以理解为对一台接收机在一段时间内持续地进行n次观测。 测试结果将表明，尽管设备和测试条件相同，记录的n条曲线中找不到两个完全相同的波形。 这就是说，接收机输出的噪声电压随时间的变化是不可预知的，因而它是一个随机过程。 1.1 随机过程(3/7) 由此我们给随机过程下一个更为严格的定义: 定义 设Sk(k=1,2,…)是随机试验 每一次试验都有一条时间波形(称为样本函数或实现),记作xi(t),所有可能出现的结果的总体{x1(t), x2(t), …,xn(t),…}就构成一随机过程,记作?(t). 简言之,无穷多个样本函数的总体叫做随机过程. 随机过程如图1所示. 1.1 随机过程(4/7) 1.1 随机过程(5/7) 显然，上例中接收机的输出噪声波形也可用图1表示。 我们把对接收机输出噪声波形的观测可看作是进行一次随机试验。 每次试验之后，?(t)取图1所示的样本空间中的某一样本函数，至于是空间中哪一个样本，在进行观测前是无法预知的，这正是随机过程随机性的具体表现。 其基本特征体现在两个方面: 其一，它是一个时间函数,因此随机过程有时亦称为随机函数; 其二,在固定的某一观察时刻t1，全体样本在t1时刻的取值?(t1)是一个不含t变化的随机变量。 1.1 随机过程(6/7) 因此，我们又可以把随机过程看成依赖时间参数的一族随机变量。 可见，随机过程具有随机变量和时间函数的特点。 下面将会看到，在研究随机过程时正是利用了这两个特点。 1.1 随机过程(7/7) 随机过程按照时间形态分，可分为 连续时间随机过程 其样本空间在时间轴上是连续的，习惯上记为x(t). 在控制领域，对应的存在于随机连续时间系统中. 离散时间随机过程(有时亦称为随机序列) 其样本空间在时间轴上是离散的，如采样系统中所研究的随机因素，习惯上记为x(k). 在控制领域中，对应的存在于采样系统、随机离散时间系统中. 1.2 随机过程的统计特性(1/5) 1.2 随机过程的统计特性 随机过程的两重性使我们可以用与描述随机变量相似的方法,来描述它的统计特性. 下面分别介绍描述随机变量统计特性的 分布函数和 概率密度函数. 1.2 随机过程的统计特性(2/5) 定义 设x(t)表示一个随机过程,在任意给定的时刻t1?T,其取值x(t1)是一个一维随机变量. 而随机变量的统计特性可以用分布函数或概率密度函数来描述. 我们把随机变量x(t1)小于或等于某一数值x1的概率P{x(t1)?x1}简记为F1(x1,t1),即 F1(x1,t1)=P{x(t1)?x1} (A1) 式(A1)称为随机过程x(t)的一维分布函数. 如果F1(x1,t1)对x1的偏导数存在,即有 1.2 随机过程的统计特性(3/5) 类似地,可以定义 Fn(x1,x2,…,xn;t1,t2,…,tn)=P{x(t1)?x1,x(t2)?x2,…,x(tn)?xn} (A2) 为随机过程x(t)的n维分布函数. 定义 1.3 随机过程的数字特征(1/1) 1.3 随机过程的数字特征 分布函数或概率密度函数虽然能够较全面地描述随机过程的统计特性, 但在实际工作中，