基于递归神经网络技术的离散时变广义Sylvester矩阵方程求解及扰动抑制.pdfVIP

第28卷第5期扬州大学学报（自然科学版）Vol.28No.5

2025年10月JournalofYangzhouUniversity(NaturalScienceEdition)Oct.2025

基于递归神经网络技术的离散时变广义

Sylvester矩阵方程求解及扰动抑制

施诗12，丁陈玲1.2，刘国前1.2，蒋超12，赵汝鑫1.2，石杨1.2*

（1.扬州大学信息与人工智能学院，江苏扬州225127；

2.扬州大学江苏省知识管理与智能服务工程研究中心，江苏扬州225127)

摘要：针对离散时变广义Sylvester矩阵方程的求解问题，基于递归神经网络技术提出一种离散环境下的

先进递归神经网络模型。将待求解的离散时变广义Sylvester矩阵方程转化为一个简单的矩阵向量问题，

在连续环境下，给出求解连续时变广义Sylvester矩阵方程的推导过程，得到一个连续环境下的先进递归

神经网络模型；在通用四点离散化公式的基础上，对连续递归神经网络模型进行离散化处理，提出一种

带有扰动抑制能力的先进递归神经网络模型，用于求解离散时变广义Sylvester矩阵方程。数值实验结果

验证了所提递归神经网络模型的有效性和鲁棒性。

关键词：广义Sylvester矩阵方程；离散时变问题；递归神经网络模型；扰动抑制；参数分析

中图分类号：O241.6；TP183文献标志码：A文章编号：1007-824X(2025)05-0071-08

D0I:10.19411/j.1007-824x.2025.05.010

Sylvester矩阵方程由英国数学家JamesJosephSylvester于1884年提出[i，最初形式为AX一

XB=O，其中矩阵AER×m与BER×为已知矩阵，矩阵XERX为待求解变量。随着研究深人，

定义出Sylvester矩阵方程的一般形式AX十XB=C，其中CERx为已知矩阵。Sylvester矩阵方程

广泛应用于图像处理、信号处理以及控制系统理论等诸多领域，其中，离散时变Sylvester矩阵方程

在动态系统建模中应用尤为广泛，如大规模病态问题处理[2]和机器人实时控制[3-4]等。求解Sylves-

ter矩阵方程的方法众多，传统算法以Bartels-Stewart算法为代表，尽管该算法解决了Sylvester矩

阵方程在求解过程中的高复杂度问题，但时间复杂度仍为O(n）。此外，Hessenberg-Schur算法[5]

也广受关注，其通过将Sylvester矩阵方程中的矩阵简化为Hessenberg与Schur形式来求解，较

Bartels-Stewart算法的计算速度提高了30%～70%[51。

广义Sylvester矩阵方程形式上包括Lyapunov矩阵方程C6-7和普通Sylvester矩阵方程等其他类

型的矩阵方程，这些方程均可视为其特例。目前，广义Sylvester矩阵方程的研究已取得显著成果。

Shi等[8-9]通过利用具有性能优势的离散化公式建立相应的递归神经网络（recurrentneuralnetwork，

RNN)模型，有效解决了离散环境下广义Sylvester矩阵的一般性求解问题；Xiao等[101给出了求解

时变广义Sylvester方程的两种离散形态递归神经网络模型。然而，Sylvester矩阵方程的求解方法

大多基于静态条件[11，如Bartels-Stewart算法与Hessenberg-Schur算法仅适用于求解时不变的

Sylvester矩阵方程，缺乏对时变参数的适应性，致使求解效率较低。现有的时变问题研究多集中于

连续时变问题[12-15]，关于离散时变问题的研究相对较少[16]。同时，递归神经网络领域的研究多在无

扰动的理想条件下完成，忽视了实际应用中必然存在的扰动因素及其对求解系统稳定性的影响。为

收稿日期：2025-05-24.*联系人，E-mail：.

基金项目：国家自然科学基金资助项目，

引文格式：施诗，丁陈玲，刘国前，等，基于递归神经网络技术的离散时变广义Sylvester矩阵方程求解及扰动抑制［J].扬州大

学学报（自然科学版），2025，28（5）：71-78.