[發明專利]一種通用自適應系統識別算法

在審

• 申請號: 202210066048.7
• 申請日: 2022-01-20
• 公開（公告）號: CN114499463A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 李迎松;黃鑫琪
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: H03H21/00
• 分類號: H03H21/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供一種通用自適應系統識別算法，包括：信號輸入；構建alpha穩態分布或Bernoulli分布脈沖噪聲模型，選擇合適的加性脈沖噪聲；瞬時估計誤差計算，將瞬時期望信號與濾波器瞬時輸出信號相減得到瞬時誤差信號；構建通用自適應算法，確定自適應算法的權向量更新方程，系統辨識參數初始化，系統處于預備階段；運行系統辨識模型，確定系統辨識模型運轉順利；判斷重復，如果算法未達到穩態，則重復，使其在迭代次數了達到穩態。如果在迭代次數內算法未達到穩態，需重新調整步長；系統識別，將穩態下的自適應濾波器的抽頭權向量輸出，即識別的未知系統參數。該方法在脈沖噪聲環境下的性能好，收斂速度快，而且具備通用性。

技術領域

本發明涉及一種脈沖噪聲環境下的通用自適應系統識別算法，尤其涉及一種通用自適應系統識別算法。

背景技術

在社會和生產中，越來越多需要辨識系統模型的問題已廣泛引起人們的重視，社會科學和自然科學的各個領域中有很多學者在研究有關線性和非線性的辨識問題。自適應濾波器是解決系統辨識問題的重要方法之一，在這類涉及辨識的應用中，自適應濾波器用來提供一個在某種意義上能夠最好擬合未知裝置的線性模型。通過給未知系統和自適應濾波器輸入相同的激勵，獲得的期望信號來調節自適應濾波器，使得自適應濾波器逼近該未知系統。

最小均方算法(LMS)(文獻1：S.Haykin,(2002).Adaptive Filter Theory,UpperSaddle River,NJ,USA:Prentice-Hall)是以橫向結構濾波器為基礎構建的，其形式設計簡單，計算復雜度低在系統辨識中應用廣泛。由于在脈沖環境噪聲下LMS收斂速度和穩態誤差會下降，最大相關熵(MCC)準則算法(文獻2：A.Singh and J.C.Principe,(2009).Usingcorrentropy as acost function in linear adaptive filters.in Proc.Int.JointConf.Neural Netw.,pp.2950-2955)已成功地應用于自適應濾波。MCC算法是通過最大化變量與其估計量之間的信息熵，從而抑制大異常值使其在對抗非高斯噪聲(特別是重尾噪聲)方面具有更好的魯棒性，即通過對誤差信號的指數項反映了相關熵相似性度量，從而在期望信號有大離群值或脈沖特性時，使自適應濾波權向量更穩定。然而，當系統的背景噪聲的脈沖過大時，MCC算法會面臨收斂速度下降的問題。

本發明提出的通用自適應系統識別算法是利用通用代價函數范數來約束后驗誤差，通過梯度下降法得到自適應濾波器抽頭權向量更新方程。因為通用函數能概括Cauchy/Lorentzian代價函數,Geman-McClure代價函數,Welsch/Leclerc代價函數,Charbonnier/pseudo-Huber/L1-L2損失函數和L2損失函數的損失函數，從而該算法具備通用性。對于較大的誤差值，采用的冪函數使得權重隨著誤差量的增加而減小，從而提高了本發明算法的收斂性能。

發明內容

本發明的發明目的就是提供一種通用自適應系統識別算法，該方法對于脈沖環境噪聲有很好的抑制能力，收斂速度快，穩態誤差小。

本發明的目的是這樣實現的：其步驟如下：

A、信號輸入

將n到n-N+1時刻的輸入信號離散值u(n),u(n-1),…,u(n-N+1)組成輸入向量u(n)＝[u(n),u(n-1),...,u(n-N+1)]^T，即獲得當前n時刻的輸入信號；其中N代表濾波器長度，T代表轉置運算。

B、構建alpha穩態分布或Bernoulli分布脈沖噪聲模型