滤波辨识(2):有限脉冲响应滑动平均系统的滤波增广迭代参数估计

2022-10-21 02:57:40刘喜梅
青岛科技大学学报(自然科学版) 2022年5期

丁 锋,刘喜梅

(1.江南大学 物联网工程学院,江苏 无锡 214122;2.青岛科技大学 自动化与电子工程学院,山东 青岛 266061)

一些辨识新思想、新理论、新原理、新概念,如辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念、滤波辨识理念等[1-7]与传统迭代辨识方法相结合,诞生出许多新辨识方法,如辅助模型梯度迭代辨识方法、多新息最小二乘迭代辨识方法、递阶牛顿迭代辨识方法等。从2017年开始在《青岛科技大学学报》连载“信号建模”论文,从2018年开始连载“传递函数辨识”论文26篇[8-16]。最近的连载论文研究了有限脉冲响应滑动平均系统的递阶递推增广参数辨识方法[9]和递阶增广迭代参数辨识方法[10],以及滤波增广递推参数辨识方法[17]。本工作利用滤波辨识理念,研究有限脉冲响应滑动平均系统的滤波增广迭代辨识方法。

1 有限脉冲响应滑动平均系统及其滤波辨识模型

考虑下列有限脉冲响应滑动平均模型(FIRMA模型)描述的随机控制系统,

其中u(t)和y(t)分别是系统的输入和输出,v(t)是零均值不可测白噪声,B(z)和D(z)是后移算子z-1的多项式(z-1y(t)=y(t-1)或zy(t)=y(t+1)),定义如下,

假设阶次n b和n d已知,记n=n b+n d。定义参数向量和信息向量:

定义不可测干扰滑动平均噪声:

式(4)和(1)可以写为

这里的目标是利用系统的观测数据{u(t),y(t)}或{y(t),φ(t)},基于数据滤波技术,研究滤波迭代辨识方法,估计系统的参数向量b和d。

定义滤波输出yf(t)和滤波输入信息向量φf(t)如下:

它们可以进一步表示为

式(6)两边同除以D(z)得到

即

式(11)和(5)是FIR-MA系统的滤波辨识模型(filtered identification model)。……

登录APP查看全文