系统辨识实验答案.docVIP

实验一 辩识离散线性系统脉冲响应特性的相关分析法 一、递推算法和批量算法流程图   二、实验步骤： 1、所产生的序列如下图所示： 2、输出如下图所示： 3、用M序列作为输入，批量算法所得的辨识结果为 用M序列作为输入，递推算法所得的辨识结果为： 4、结论：通过比较上面两个图，可得这两种算法的辨识结果基本上是一致的，只是递推算法可以用于在线辨识，就这一点来说，递推算法优于一次完成算法。 5、源程序如下： %M序列的产生 X1=1;X2=0;X3=1;X4=0; % 移位寄存器输入Xi初态（1010） m=100; %置M序列总长度m值 for i=1:m %开始循环 Y4=X4;Y3=X3;Y2=X2;Y1=X1; %Yi为移位寄存器各级输出， %在移位之前先将各自的输入传给输出 X4=Y3;X3=Y2;X2=Y1; %实现移位寄存器的连接方式 X1=xor(Y3,Y4); %实现异或运算 if Y4==0 %将输出‘0’态转化为‘-1’态 U(i)=-1; else U(i)=Y4; End %转换结束 End %60次循环结束 M=U i1=m; k=1:1:i1; figure(1); subplot(2,2,1) plot(k,U,k,U,rx) %绘图 xlabel(k) ylabel(M序列) title(移位寄存器产生的M序列) % L序列的产生 for i=1:m; t=(-1)^i; if t = = -1 s(i)=0; else s(i)=1; end iL(i)=xor(U(i), s(i)); if iL(i)==0 L(i)=-1; else L(i)=1; end end i=1:1:m; subplot(2,2,2); plot(i,L) title(L 序列) % 白噪声的产生 A=6；X0=1；N=100； X0=1；M=255； for k=1:N X2=A*X0; X1=mod(X2,M); V1=X1/256; V(:,k)=V1-0.5; X0=X1; V0=V1; End V2=V Subplot(2,2,,3) k=1:1:N; plot(k,V) xlabel(‘k’) ylabel(‘V’) title(‘(-0.5,+0.5)均匀分布的白噪声’) %脉冲序列的冲激响应 a1=-1;a2=0.5;b1=1;b2=0.5; d=0; y(k)=-a1y(k-1)-a2y(k-2)+b1u(k-1-d)+b2u(k-2-d); Y0=0.2;X0=0.1;d=0;Np=15; y(1)=0;y(2)=0;%输入M序列的初始值 yt(1)=0;yt(2)=0;%输入冲激函数时初始值 a1=-1;a2=0.5;b1=1;b2=0.5; Y(1)=Y0+y(1)+V(1);Y(2)=Y0+y(2)+V(2); impulse=[1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0]; for k=3:1:2*Np y(k) = b1*U(k-1-d)+b2*U(k-2-d)-a1*y(k-1)-a2*y(k-2); Y(k)=Y0+y(k)+V(k); end for k =3:1:2*Np yt(k) = b1*impulse(k-1-d)+b2*impulse(k-2-d)-a1*yt(k-1)-a2*yt(k-2); end figure(2); k=1:1:2*Np; plot(k,yt(1:2*Np),k, yt(1:2*Np),’rx’) xlabel(k) ylabel(输出) title(脉冲响应估计值) figure(3); k=1:1:2*Np; plot(k,Y(1:2*Np), k,Y(1:2*Np),’rx’) xlabel(k) ylabel(输出) title(脉冲响应估计值) 实验二 离散线性系统参数估计的递推最小二乘法 基本递推最小二乘(RLS)算法。 ⑴ 程序流程图 计算被辨识参数的相对变化量 计算P(k) 给被辨识参数和P赋初值 产生输出采样信号 工作间清零 Y 图2