系统辨识大作业.pdfVIP

一、 问题描述 考虑仿真对象： z(k) +0.9z(k −1) +0.15z(k −2) +0.02z(k −3) =0.7u(k −1) −0.15u(k −2) +e(k) e(k) +1.0e(k −1) +0.41e(k −2) =v(k), v ~ N(0,1) 式中，u(k)和z(k)是输入输出数据，v(k)是零均值、方差为1 的不相关的随 机噪声；u(k)采用与e(k)不相关的随机序列。 1. 设计实验，产生输入输出数据； 2. 使用基本最小二乘法估计参数； 3. 考虑其他适用于有色噪声的辨识方法估计参数； 4. 模型验证。 二、 问题分析 对于单输入单输出系统（Single Input Single Output, SISO），如图 1 所示，将待辨识的系统看作 “灰箱”，它只考虑系统的输入输出特性，而不强调 系统的内部机理。图 1 中，输入u(k)和输出z(k)是可以测量的，G( z −1 ) 是系统 模型，用来描述系统的输入输出特性，y(k)是系统的实际输出。N (z −1) 是噪声模 型，v(k)是均值为零的不相关随机噪声，e(k)是有色噪声。 图 1 SISO 系统的 “灰箱”结构 对于SISO 随机系统，被辨识模型G(z) 为： y (z ) b z−1 +b z−2 + +b z−n G( z) 1 2 n u(z) 1+a z−1 +a z−2 + +a z−n 1 2 n 其相应的差分方程为 n n y (k ) =− a y (k −i ) + bu (k −i )  i  i i 1 i 1 若考虑被辨识系统或观测信息中含有噪声，被辨识模型可改写为 n n z(k) =− a y(k −i) + b u(k −i) +v(k)  i  i i=1 i=1 式中，z(k)为系统输出量的第k 次观测值；y(k)为系统输出量的第k 次真值， y(k-1)为系统输出量的第k-1 次真值，以此类推；u(k)为系统的第k 个输入值， u(k-1)为系统的第k-1 个输入值；v(k)为均值为0 的不相关随机噪声。 1. 数据生成 本部分需要生成系统的输入输出数据以及噪声数据。 1）白噪声的生成 辨识数据通常包含有噪声，如果该噪声相关性较弱或者强度很小，可近 似看作白噪声。本次实验问题中v(t) N (0,1) ，即服从标准正态分布，可以 将噪声看作为服从正态分布的白噪声过程，在Matlab 中可以由randn 函数 生成。 2）输入数据的生成 伪随机二进制序列（Pseudo Random Binary Sequence, PRBS）是广泛应 用的一种伪随机序列，所谓“二进制”是指序列中每个随机变量只有“0” 或“1”两种逻辑状态。伪随机二进制序列可由多级线性反馈移位寄存器组 成的随机信号发生器产生，其中具有最长循环周期的线性移位寄存器序列是 伪随机二进制序列最常见的一种形式，简称 M 序列（Maximal Length Sequence）。M 序列由于具有近似白噪声的性质，而且工程上易于实现，能 够保证较好的系统辨识精度，是普遍采用的一种辨识用输入信号。 图 2 线性反馈移位寄存器产生伪随机二进制序列