遞推與迭代學(xué)習(xí)辨識算法及其應(yīng)用研究.pdf

1、系統(tǒng)辨識是高性能自動化技術(shù)(如適應(yīng)控制與學(xué)習(xí)控制)中的重要內(nèi)容。隨著人們生活水平和工業(yè)生產(chǎn)水平的提高，人們對工業(yè)產(chǎn)品質(zhì)量的要求越來越高，生產(chǎn)工藝對自動化技術(shù)的依賴程度也隨之提高，對系統(tǒng)辨識理論與方法提出了更高的要求。許多實際系統(tǒng)動力學(xué)特性中的參數(shù)隨時間變化，這要求辨識方法具有跟蹤能力，能夠估計時變參數(shù)。在實際中也存在著受突發(fā)異常干擾的辨識環(huán)境，因此，有必要研究魯棒辨識算法。針對這樣兩個方面，本文的研究工作主要包括以下幾部分： 1

2、.討論時變遺忘因子和加權(quán)配合的遞推辨識算法的算法性質(zhì)和確定性收斂性。 2.針對一類在有限時間區(qū)間上重復(fù)運行的離散時變系統(tǒng)，討論用于系統(tǒng)時變參數(shù)估計的迭代學(xué)習(xí)辨識算法。文中進(jìn)一步討論迭代學(xué)習(xí)投影算法、迭代學(xué)習(xí)最小二乘算法的理論性質(zhì)，并給出數(shù)值仿真結(jié)果；推導(dǎo)得到兩種迭代學(xué)習(xí)辨識算法：迭代學(xué)習(xí)貝葉斯法和迭代學(xué)習(xí)隨機(jī)牛頓法。不同于常規(guī)跟蹤算法的有界收斂性，迭代學(xué)習(xí)辨識算法可在有限時間區(qū)間上實現(xiàn)對時變參數(shù)的完全估計，使得沿整個區(qū)間參數(shù)估計

3、誤差為零。 3.將近似最小ι1模遞推算法應(yīng)用于回波消除，分析了這種算法的收斂性能。分析表明，這種算法一旦收斂，對于有界干擾具有強魯棒性。這一性能有利于提高回波消除質(zhì)量。雙講時在不增加系統(tǒng)硬件(對講檢測器)情形下，算法仍具有良好的收斂性能，避免了在雙講情況下設(shè)置雙方對講監(jiān)測器。 4.依據(jù)非線性PCA準(zhǔn)則，以迭代加權(quán)最小二乘算法極小化目標(biāo)函數(shù)，近似一類lp模指標(biāo)下的盲分離遞推算法，文中給出了算法性質(zhì)。和RIS算法相比，所提算