系統(tǒng)辨識(shí)理論及MATLAB仿真(第2版) 課件 第2章 系統(tǒng)辨識(shí)數(shù)學(xué)模型及常用輸入信號(hào)_第1頁
系統(tǒng)辨識(shí)理論及MATLAB仿真(第2版) 課件 第2章 系統(tǒng)辨識(shí)數(shù)學(xué)模型及常用輸入信號(hào)_第2頁
系統(tǒng)辨識(shí)理論及MATLAB仿真(第2版) 課件 第2章 系統(tǒng)辨識(shí)數(shù)學(xué)模型及常用輸入信號(hào)_第3頁
系統(tǒng)辨識(shí)理論及MATLAB仿真(第2版) 課件 第2章 系統(tǒng)辨識(shí)數(shù)學(xué)模型及常用輸入信號(hào)_第4頁
系統(tǒng)辨識(shí)理論及MATLAB仿真(第2版) 課件 第2章 系統(tǒng)辨識(shí)數(shù)學(xué)模型及常用輸入信號(hào)_第5頁
已閱讀5頁,還剩78頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

第2章系統(tǒng)辨識(shí)數(shù)學(xué)模型及常用輸入信號(hào)沈曉蓉系統(tǒng)辨識(shí):模型類輸入輸出數(shù)據(jù)等價(jià)準(zhǔn)則數(shù)學(xué)模型分類:靜態(tài)與動(dòng)態(tài)模型線性與非線性模型參數(shù)與非參數(shù)模型確定與隨機(jī)模型連續(xù)時(shí)間模型與離散時(shí)間模型定常模型與時(shí)變模型時(shí)間域模型與頻率域模型集中參數(shù)模型與分布參數(shù)模型本課程主要研究線性定常集中參數(shù)動(dòng)態(tài)系統(tǒng)數(shù)學(xué)模型的建模方法。系統(tǒng)辨識(shí)數(shù)學(xué)模型及常用輸入信號(hào)系統(tǒng)辨識(shí)常用的數(shù)學(xué)模型01脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)02目錄CONTENTS系統(tǒng)辨識(shí)常用的輸入信號(hào)0301系統(tǒng)辨識(shí)常用的數(shù)學(xué)模型一、系統(tǒng)辨識(shí)常用的數(shù)學(xué)模型1)連續(xù)系統(tǒng)輸入輸出模型2)離散系統(tǒng)輸入輸出模型1.參數(shù)模型2.非參數(shù)模型1)連續(xù)系統(tǒng)的非參數(shù)模型2)離散系統(tǒng)的非參數(shù)模型一、系統(tǒng)辨識(shí)常用的數(shù)學(xué)模型1.參數(shù)模型1)連續(xù)系統(tǒng)輸入輸出模型連續(xù)系統(tǒng)輸入輸出模型典型形式:經(jīng)典控制理論中,傳遞函數(shù)是系統(tǒng)輸入輸出關(guān)系的常用表達(dá)式:(2-1)(2-2)拉氏變換(2-1)一、系統(tǒng)辨識(shí)常用的數(shù)學(xué)模型(2-4)式可寫成更一般的形式:Z變換(2-3)(2-3)(2-5)(2-4)其中離散系統(tǒng)脈沖傳遞函數(shù)1.參數(shù)模型2)離散系統(tǒng)輸入輸出模型離散系統(tǒng)輸入輸出模型可以用差分方程的形式:一、系統(tǒng)辨識(shí)常用的數(shù)學(xué)模型如果(2-5)式還受到噪聲的影響,則有:根據(jù)以上不同的噪聲形式,可將模型分為以下幾種時(shí)間序列模型:(2-6)帶控制量的自回歸滑動(dòng)平均模型(CARMA或ARMAX)模型零均值白噪聲其中帶控制量的自回歸模型(CAR,或稱ARX)模型(2-7)(2-8)一、系統(tǒng)辨識(shí)常用的數(shù)學(xué)模型自回歸滑動(dòng)平均(ARMA)模型自回歸(AR)模型滑動(dòng)平均(MA)模型Box-Jenkins模型(簡稱BJ模型)(2-9)(2-10)(2-11)(2-12)一、系統(tǒng)辨識(shí)常用的數(shù)學(xué)模型其中分別為相應(yīng)多項(xiàng)式的階次一、系統(tǒng)辨識(shí)常用的數(shù)學(xué)模型2.

非參數(shù)模型非參數(shù)模型是指從系統(tǒng)的實(shí)驗(yàn)過程中,直接或間接所獲得的響應(yīng),例如系統(tǒng)的階躍響應(yīng)、脈沖響應(yīng)、頻率響應(yīng)等。非參數(shù)模不需要選擇模型結(jié)構(gòu),也不必要顧及型模型參數(shù),適用于描述任意復(fù)雜的系統(tǒng)。1)連續(xù)系統(tǒng)的非參數(shù)模型2)離散系統(tǒng)的非參數(shù)模型一、系統(tǒng)辨識(shí)常用的數(shù)學(xué)模型任何輸入激勵(lì)信號(hào)可以分解為脈沖信號(hào)之和,而根據(jù)疊加原理,在所有起始條件均為零時(shí),線性時(shí)不變系統(tǒng)的輸出脈沖響應(yīng)可以用輸入激勵(lì)信號(hào)和系統(tǒng)的輸出脈沖響應(yīng)函數(shù)的卷積積分式來表示:脈沖響應(yīng)(2-13)2.

非參數(shù)模型1)連續(xù)系統(tǒng)的非參數(shù)模型一、系統(tǒng)辨識(shí)常用的數(shù)學(xué)模型如果,即當(dāng)輸入激勵(lì)信號(hào)為單位脈沖函數(shù)時(shí),則o線性系統(tǒng)ott系統(tǒng)脈沖響應(yīng)一、系統(tǒng)辨識(shí)常用的數(shù)學(xué)模型頻率響應(yīng)如果系統(tǒng)輸入是一個(gè)理想的單位脈沖函數(shù),則傳遞函數(shù)和系統(tǒng)的單位脈沖響應(yīng)有如下關(guān)系:頻率響應(yīng)在直角坐標(biāo)系中表示為波特圖的幅頻特性和相頻特性;在極坐標(biāo)系中表示為奈奎斯特圖。這些頻響曲線結(jié)合傅立葉變換,可以構(gòu)成頻域辨識(shí)法。如果用頻率代替,則頻率響應(yīng)

:一、系統(tǒng)辨識(shí)常用的數(shù)學(xué)模型離散系統(tǒng)用非參數(shù)模型的表達(dá)形式稱為權(quán)形式,它定義為在零時(shí)刻初始條件為零時(shí),系統(tǒng)受到一個(gè)單位脈沖(delta)函數(shù)激勵(lì)后的系統(tǒng)響應(yīng)。權(quán)序列記為,(2-14)表示離散系統(tǒng)輸入輸出關(guān)系的卷積公式為:權(quán)序列的Z變換即為脈沖傳遞函數(shù)(2-15)2.

非參數(shù)模型2)離散系統(tǒng)的非參數(shù)模型02脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)1.脈沖響應(yīng)法2.相關(guān)分析法1)從輸入和輸出求脈沖響應(yīng)2)根據(jù)脈沖響應(yīng)求脈沖傳遞函數(shù)。二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)1.脈沖響應(yīng)法脈沖響應(yīng)法是利用線性、定常被辨識(shí)系統(tǒng)的輸入、輸出信息,通過脈沖響應(yīng)來辨識(shí)系統(tǒng)的數(shù)學(xué)模型。該方法雖然簡單實(shí)用,但是具有一定的適用范圍(高信噪比的系統(tǒng))。它既是一種非參數(shù)模型(脈沖響應(yīng))的辨識(shí)方法,又是一種通過脈沖響應(yīng)得到參數(shù)模型(傳遞函數(shù))的辨識(shí)方法。1)從輸入和輸出求脈沖響應(yīng)2)根據(jù)脈沖響應(yīng)求脈沖傳遞函數(shù)。二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)根據(jù)線性時(shí)不變系統(tǒng)卷積積分式:假定和被一個(gè)采樣周期為的采樣器周期性采樣,且設(shè)足夠小,逐段常值逼近可將和用階梯信號(hào)近似代替:1.脈沖響應(yīng)法1)從輸入和輸出求脈沖響應(yīng)二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)令(2-16)二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)由脈沖響應(yīng)確定傳遞函數(shù),具體方法較多,如半對(duì)數(shù)法、階矩法、差分方程法、Hankel矩陣法等Hankel矩陣法確定系統(tǒng)傳遞函數(shù)設(shè)系統(tǒng)的脈沖傳遞函數(shù)為:1.脈沖響應(yīng)法2)根據(jù)脈沖響應(yīng)求脈沖傳遞函數(shù)二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)等號(hào)兩邊相同冪次項(xiàng)對(duì)應(yīng)系數(shù)相等:(2-17)二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)定義Hankel矩陣:(2-18)(2-19)先求出,再求二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)例已知被辨識(shí)系統(tǒng)為三階系統(tǒng),即結(jié)構(gòu)參數(shù)n=3。取步長T=0.05s,2n=6拍的脈沖響應(yīng)采樣值為:t(秒)0.05

0.1

0.15

0.2

0.25

0.3

7.1570399.4910778.5638895.9305062.8459720.144611二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)設(shè)根據(jù)(2-18)式:有解出:二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)代入(2-17)式得解得:二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)脈沖傳遞函數(shù)為二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)2.相關(guān)分析法上述脈沖響應(yīng)法對(duì)于系統(tǒng)含有噪聲時(shí),由于輸出結(jié)果的不確定,會(huì)導(dǎo)致辨識(shí)誤差,它實(shí)際上是一種確定型的辨識(shí)算法。1951年提出的相關(guān)分析法,是根據(jù)對(duì)象的平穩(wěn)隨機(jī)輸入、輸出信息之間的相關(guān)函數(shù),求出系統(tǒng)脈沖響應(yīng)的一種辨識(shí)方法。+*為了避免隨機(jī)噪聲的影響,可采用相關(guān)分析法求出單位脈沖響應(yīng)。二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)根據(jù)卷積關(guān)系:由于輸出受到噪聲的污染,有等式兩邊乘以取數(shù)學(xué)期望(2-20)二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)如果互不相關(guān),由相關(guān)函數(shù)定義,則輸入和輸出間的互相關(guān)函數(shù)為:輸入的自相關(guān)函數(shù)為:二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)0Wiener-Hopf方程*

Wiener-Hopf方程與卷積積分式具有相同的形式,可以解釋為:一個(gè)具有脈沖響應(yīng)函數(shù)為的系統(tǒng),如果其輸入量是信號(hào)的自相關(guān)函數(shù),則其響應(yīng)就等于輸入信號(hào)與相應(yīng)的輸出信號(hào)之間的互相關(guān)函數(shù)。二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)因此,相關(guān)分析法具有避免噪聲干擾的作用,只要利用系統(tǒng)輸入和輸出信號(hào)的數(shù)據(jù),計(jì)算出它們的自相關(guān)函數(shù)和互相關(guān)函數(shù),通過求解Wiener-Hopf方程,可能獲得被辨識(shí)系統(tǒng)的脈沖響應(yīng)函數(shù)。+?Wiener-Hopf方程求解困難當(dāng)被辨識(shí)系統(tǒng)輸入信號(hào)采用白噪聲,求解容易,因?yàn)榘自肼暤淖韵嚓P(guān)函數(shù)是一個(gè)函數(shù),即:二、脈沖響應(yīng)法與相關(guān)分析法辨識(shí)脈沖響應(yīng)當(dāng)被辨識(shí)系統(tǒng)輸入為白噪聲時(shí),只要確定輸入與輸出信號(hào)間的互相關(guān)函數(shù),即可求出被辨識(shí)系統(tǒng)的脈沖響應(yīng)函數(shù)03系統(tǒng)辨識(shí)常用的輸入信號(hào)三、系統(tǒng)辨識(shí)常用的輸入信號(hào)1.白噪聲及其產(chǎn)生方法2.偽隨機(jī)信號(hào)及其產(chǎn)生方法三、系統(tǒng)辨識(shí)常用的輸入信號(hào)合理選用辨識(shí)的輸入信號(hào)是能否獲得好的辨識(shí)結(jié)果的關(guān)鍵之一。系統(tǒng)辨識(shí)對(duì)輸入信號(hào)的要求:

①持續(xù)激勵(lì);②最優(yōu)輸入信號(hào)持續(xù)激勵(lì)意味著輸入信號(hào)的頻譜必須足以覆蓋系統(tǒng)過程的頻譜。最優(yōu)輸入就是使Fisher信息矩陣逆的一個(gè)標(biāo)量函數(shù)達(dá)到最?。浩渲校琈是Fisher信息矩陣:為行列式時(shí),J稱為D-最優(yōu)準(zhǔn)則三、系統(tǒng)辨識(shí)常用的輸入信號(hào)對(duì)D-最優(yōu)準(zhǔn)則,Goodwin和Payne(1977)有如下結(jié)論:如果系統(tǒng)輸出數(shù)據(jù)序列是獨(dú)立同分布的高斯隨機(jī)序列,那么D-最優(yōu)輸入信號(hào)是具有脈沖式自相關(guān)函數(shù)的信號(hào)。當(dāng)N很大時(shí),白噪聲或偽隨機(jī)信號(hào)的M序列可近似滿足這一要求。如果模型結(jié)構(gòu)是正確的,且參數(shù)估計(jì)值

是無偏最小方差估計(jì),則參數(shù)估計(jì)值

的精度通過Fisher信息矩陣M依賴于輸入信號(hào)u(k)。三、系統(tǒng)辨識(shí)常用的輸入信號(hào)白噪聲是一種均值為0,譜密度為非零常數(shù)的平穩(wěn)隨機(jī)過程?;蛘哒f它是由一系列不相關(guān)的隨機(jī)變量組成的一種理想化隨機(jī)過程。特點(diǎn):無記憶性,即t時(shí)刻的數(shù)值與t時(shí)刻以前的過去值無關(guān),也不影響t時(shí)刻以后的將來值。從另一意義上說,即不同時(shí)刻的隨機(jī)信號(hào)互不相關(guān)。②

①③

譜密度1.白噪聲及其產(chǎn)生方法三、系統(tǒng)辨識(shí)常用的輸入信號(hào)

對(duì)于白噪聲序列,有類似描述:如果隨機(jī)序列是兩兩不相關(guān)的,其對(duì)應(yīng)的自相關(guān)函數(shù)為:其中,為Kronecker符號(hào),即則稱這種隨機(jī)序列為白噪聲序列。其譜密度為:1.白噪聲及其產(chǎn)生方法三、系統(tǒng)辨識(shí)常用的輸入信號(hào)白噪聲序列產(chǎn)生方法:如何在計(jì)算機(jī)上產(chǎn)生統(tǒng)計(jì)上比較理想的各種不同分布的白噪聲序列?(0,1)均勻分布隨機(jī)數(shù)的產(chǎn)生:通過計(jì)算機(jī)產(chǎn)生(0,1)均勻分布隨機(jī)數(shù)的方法大致有三類:

①Rand的百萬隨機(jī)數(shù)占用內(nèi)存量大②物理方法設(shè)備維護(hù)困難③數(shù)學(xué)方法產(chǎn)生速度快,占用內(nèi)存小線性網(wǎng)絡(luò)真空管√1.白噪聲及其產(chǎn)生方法三、系統(tǒng)辨識(shí)常用的輸入信號(hào)數(shù)學(xué)方法產(chǎn)生(0,1)均勻分布隨機(jī)數(shù)?本質(zhì)上是實(shí)現(xiàn)如下的遞推運(yùn)算:

每個(gè)(0,1)均勻分布的隨機(jī)數(shù)總是前面各時(shí)刻隨機(jī)數(shù)的函數(shù),嚴(yán)格說來,上式的函數(shù)取任何形式都不可能產(chǎn)生真正的連續(xù)(0,1)均勻分布的隨機(jī)數(shù),因此,通常稱用數(shù)學(xué)方法產(chǎn)生的(0,1)均勻分布的隨機(jī)數(shù)叫做偽隨機(jī)數(shù)。乘同余法混合同余法乘同余法

步驟1:用如下遞推同余式產(chǎn)生正整數(shù)序列三、系統(tǒng)辨識(shí)常用的輸入信號(hào)

上式的含義為:下一個(gè)隨機(jī)數(shù)是上一個(gè)隨機(jī)數(shù)乘以A對(duì)M取余。

步驟2:令,

即為(0,1)均勻分布的隨機(jī)序列。關(guān)于的選擇:的選取與計(jì)算機(jī)字長有關(guān),種子取為奇數(shù),如=1;一些文獻(xiàn)報(bào)道如下的參數(shù)可供使用參考:1.白噪聲及其產(chǎn)生方法三、系統(tǒng)辨識(shí)常用的輸入信號(hào)X0=1;A=7,M=10的10次方;X0=1;A=5的13次方,M=10的36次方;X0=1;A=5的17次方,M=2的42次方;%%%%%%%%(0,+1)均勻分布的白噪聲%%%%%%%%A=5^13;x0=1;M=10^36;N=100;fork=1:Nx2=A*x0;x1=mod(x2,M);v1=x1/M;v(:,k)=v1;x0=x1;end1.白噪聲及其產(chǎn)生方法三、系統(tǒng)辨識(shí)常用的輸入信號(hào)(0,1)均勻分布白噪聲1.白噪聲及其產(chǎn)生方法三、系統(tǒng)辨識(shí)常用的輸入信號(hào)

1.白噪聲及其產(chǎn)生方法步驟1:混合同余法產(chǎn)生偽隨機(jī)數(shù)的遞推同余式為:

混合同余法三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法白噪聲信號(hào)在工程上不易實(shí)現(xiàn),需要尋找一種辨識(shí)輸入信號(hào),它具有近似白噪聲的性質(zhì),可以保證有好的辨識(shí)精度,而且在工程上又易于實(shí)現(xiàn),于是產(chǎn)生了偽隨機(jī)信號(hào)。1)偽隨機(jī)信號(hào)偽隨機(jī)信號(hào)的自相關(guān)函數(shù)接近于白噪聲的自相關(guān)函數(shù),且偽隨機(jī)信號(hào)是周期性信號(hào)。三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法2)偽隨機(jī)二進(jìn)制序列(PRBS)偽隨機(jī)二進(jìn)制序列是最常用也是最容易形成的一種偽隨機(jī)信號(hào)。

三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法3)偽隨機(jī)二進(jìn)制序列的產(chǎn)生偽隨機(jī)二進(jìn)制序列通常可用帶反饋的移位寄存器產(chǎn)生。

時(shí)鐘脈沖模2加法門PRBS三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法模2加法運(yùn)算1?1=0,0?0=01?1=1,0?0=1以四級(jí)移位寄存器為例:模2加法門時(shí)鐘脈沖三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法TimestepOutputofmodulo-2adder00111110011120001131000140100050010061001071100180110091011010010111110101三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法1211010131110114111101501111輸出為:111100010011010如果第二級(jí)和第四級(jí)輸出的模2門相加,得到輸出序列為:1111100結(jié)論:同樣級(jí)數(shù)的移位寄存器,因反饋的選擇不同,所得到的序列的周期長度就不一樣。

三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法4)M序列的性質(zhì)

a-a

三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法

例如:移位相加的性質(zhì):將一個(gè)M序列與將它延遲了r位以后的序列按模2加法原則相加,則所得到的新序列是延遲了q位的原來那個(gè)M序列。三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法

M序列的自相關(guān)函數(shù)

證明:

三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法

三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法根據(jù)性質(zhì)3三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法

設(shè)

三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法

a,(0)a,(0)a,(0)a,(0)-a,(1)-a,(1)-a,(1)a,(0)-a,(1)-a,(1)-a,(1)a,(0)新序列仍然是一個(gè)M序列(移位相加性質(zhì)),一個(gè)周期內(nèi)有(N-1)/2邏輯0,(N+1)/2邏輯1。三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法

三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法i)ii)

iii)iv)為周期的偶函數(shù)三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法M序列的功率譜密度了解M序列的譜密度,可以根據(jù)辨識(shí)對(duì)象的頻帶直接估計(jì)需要選擇什么樣的M序列。三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法證明:

其中:

三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法相應(yīng)地M序列的功率譜密度也等于兩個(gè)譜密度之和:

根據(jù)維納-辛欽公式:

信號(hào)的功率譜密度就是該信號(hào)自相關(guān)函數(shù)的傅里葉變換。

其中:

三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法

三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法因此:

三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法

因?yàn)槿⑾到y(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法

當(dāng),

三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法白噪聲M序列三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法5)實(shí)際應(yīng)用中M序列參數(shù)的選擇:

ii)選擇iii)選擇N三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法6)用M序列作為輸入辨識(shí)脈沖響應(yīng)M序列為周期信號(hào)近似三、系統(tǒng)辨識(shí)常用的輸入信號(hào)2.偽隨機(jī)信號(hào)及其產(chǎn)生方法設(shè)置M序列的周期大于被辨識(shí)系統(tǒng)的調(diào)節(jié)時(shí)間,則被辨識(shí)系統(tǒng)的脈沖響應(yīng)在時(shí)間大于M序列周期后基本上衰減為零。因此對(duì)一個(gè)穩(wěn)定的系統(tǒng)來說,可看作一個(gè)有界常數(shù)C。令,則有:當(dāng)N很大時(shí),C很小可

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論