系统辨识数学模型及常用输入信号.pptVIP

证明： 将M序列的自相关函数 分解成两个函数之和： 其中： 相应地M序列的功率谱密度也等于两个谱密度之和： 根据维纳-辛钦公式： 因为 为周期偶函数，因此可扩展为 其中 因为Delta函数 的傅立叶逆变换为： 的傅立叶变换为： 因此： 令 因为 (1的傅立叶变换为 ) 当 ， 的带宽为： ~ 当 ， ，M序列不含基频 的整数倍频成分。 白噪声 M序列 i) 选择 ii) 选择 iii) 选择N 根据被辨识系统的允许的信噪比进行选择 5）实际应用中M序列参数的选择： 6) 用M序列作为输入辨识脉冲响应 M序列为周期信号 近似 设置M序列的周期大于被辨识系统的过渡时间，则被辨识系统的脉冲响应在时间大于M序列周期后基本上衰减为零。 可看作一个有界常数C。 因此对一个稳定的系统来说， 令 ，则有： 当N很大时，C很小可以忽略不计。 注意： (因为从零时刻开始) 互相关函数的计算： i) ii) 由于M序列只可能取值为 ，因此 如果 采用阶梯近似，步长为 ，则： 为了提高 精度，可以多测几个M序列的周期，例如，如果持续测量r个周期的m序列作为输入，则： 脉冲响应： 采用5级移位寄存器产生M序列作为输入信号，辨识该系统的脉冲响应。 a = 2， M序列相关参数设置为： R M-序列和相应的系统响应 初始化 产生m序列Out=genPRBS(n,a,del,total)作为系统输入 产生系统输出y 计算系统输入输出相关函数Rxy 计算系统脉冲估计值ghat和系统真实脉冲输出g clc; close all; clear all; R = 100e3; % 100k ohm C = 1e-6; % 1uf tc = R*C; % Time Constant % generate M-sequence n=5; a=2; % Level of the PRBS 1 ------- -a 0 ------- +a del = 15e-3; % clock pulse period N=2^n-1; % Period of M sequence Total=2*N; % Generate m-sequence using the genPRBS function Out = genPRBS(n,a,del,total); % Generate response y(t) of the system s = tf(s); G = 1/(tc*s+1) tf = total*del; tim = 0:del:tf-del; y = lsim(G, Out, tim); %plot input and output of the system figure stairs(tim,Out); axis([0 1.0 -2.5 2.5]); hold on plot(tim,y,r); hold off % Compute Rxy(i*del) sum = 0.0; Rxy = []; iDel_vec=[]; for i=1:N tau=i-1; iDel_vec=[iDel_vec;tau*del]; for j=1:N sum=sum+sign(Out(j))*y(j+tau); end Rxy_i = (a/N)*sum; sum=0.0; Rxy = [Rxy; tau Rxy_i]; end % Compute ghat g ind = length(Rxy); C = -Rxy(ind, 2); S = (N+1)*a^2*del/N; Rxy_iDel = Rxy(:,2); ghat=(Rxy_iDel+ C )/S; ghat(1)=2*ghat(1); g = 10*exp(-10.*iDel_vec); Result = [Rxy ghat g]; disp( -------------------------------------------); disp( i Rxy(iDel) ghat g); disp( ------