第二章 系统辨识常用输入信号.ppt

第二章 系统辨识常用输入信号 2.1 系统辨识输入信号选择准则 为了使系统是可辨识的，输入信号必须满足一定的条件，其最低要求是在辨识时间内系统的动态必须被输入信号持续激励，更进一步的要求是输入信号必须具有较好的“优良性”。 对D－最优准则有如下结论，如果结构模型是正确的，且参数估计值是无偏最小方差估计，则参数估计值的精度通过Fisher信息矩阵依赖于输入信号。 在具体工程应用中，选择输入信号时还应该考虑以下因素。 1）输入信号的功率或幅度不宜过大，以免使系统工作在非线性区，但也不应过小，以致信噪比太小，直接影响辨识精度： 2）输入信号对系统的“净扰动”要小，即应使正负向扰动机会几乎均等； 3）工程比上要便于实现，成本低。 控制中典型输入信号 1、阶跃信号。表达式： 2、斜坡信号。表达式 3、抛物线信号。表达式： 4、脉冲信号。表达式： 5、正弦信号。表达式： 典型输入信号图形 阶跃信号 斜坡信号 抛物线信号 脉冲信号 正弦信号 2.2白噪声及其产生方法 2.2.1白噪声过程 白噪声过程是一种最简单的随机过程。严格的说，它是一种均值为0，谱密度为非0常数的平稳随机过程。或者说它是由一系列不相关的随机变量组成的一种理想化随机过程。白噪声过程没有“记忆性”，也就是说，t时刻的数值与t时刻以前的过去值无关，也不影响t时刻以后的将来值。 白噪声过程定义：如果随机过程 的均值为0，自相关函数为 式中 为狄拉克 分布函数，即 且 则称该过程为白噪声过程。 由于 的傅立叶变换为1，可知白噪声过程 的平均功率谱密度为常数 ，即 上式表明，白噪声过程的功率在 的全频段内均匀分布。 严格符合上述定义的白噪声过程，其方差和平均功率为 ，而且该过程在时间上互不相关。 理想白噪声只是一种理论上的抽象，在物理上不可能实现。 理想白噪声和近似白噪声 近似白噪声： 从t＝0时的有限值 迅速下降，到 以后近似为0，且 远小于有关过程的时间常数。 自相关函数 白噪声过程 近似白噪声过程 低通白噪声过程 平均功率谱密度为： 式中 为一给定频率，它远大于有关过程的截止频率，具有这种 的白噪声过程称为低通白噪声过程。 它的自相关函数为： 平均功率谱密度 自相关函数 白噪声序列 白噪声序列是白噪声过程的一种离散形式。 如果随机序列 均值为0，并且是两两不相关的，对应的自相关函数为 式中 为克罗内克 符号，即 则称这种随机序列 为白噪声序列。 根据离散傅立叶变换可知白噪声序列的平均功率谱密度为常数 ，即 白噪声序列的产生办法 如何在计算机上产生统计上比较理想的各种不同分布的白噪声序列是系统辨识仿真研究中的一个重要问题。目前。已有大量的成熟计算方法和应用程序可供查询或调用，一些成套的计算机软件中也可查到这类程序。以下介绍一些最常用方法的基本原理。 （0，1）均匀分布的随机数是最简单、最基本的一种连续随机数，它可产生其它任意分布的随机数。 正态分布随机数又是最常见的一种随机数，因为根据概率论中的大数定律，当样本数据足够大时，许多其它分布的随机序列常可近似看作正态分布随机序列。 1、（0，1）均匀分布随机数的产生 最简单、最方便的是数学方法，数学方法的本质是实现递推运算 由于计算机字长有限，无论函数取何种形式，不可能产生真正的连续（0，1）均匀分布。 因此，通常用数学方法产生的（0，1）均匀分布随机数叫做伪随机数。 优点：速度快、占用内存小。 常用方法：乘同余法和混合同余法 1）乘同余法 这种方法先用递推同余式产生正整数序列 ，即 式中： ，k为大于2的整数； 或 ，且A不能太小 初值 取正奇数，例如取 。 再令 则 是伪随机序列，循环周期可达 。 2）混合同余法 又称线性同余法。产生伪随机数的递推同余式为： 令 则 为循环周期为 的伪随机数序列 2、正态分布随机数的产生 由（0，1）均匀分布的随机数可