LPV模型的动态压缩测量辨识算法

摘要：

在解决线性参变(LPV)模型的辨识问题上,最小二乘算法以结构简单、计算复杂度低等优点被大量使用.但最小二乘算法辨识结果受制于计算精度和模型近似精度,而这两者在同一个系统中是互斥的.因此,该算法的辨识结果与真值总是存在一定的误差.另外,在高阶LPV模型辨识或采样成本高的情况下,一般模型参数要多于辨识数据,而此时最小二乘算法很难得到稳定的辨识结果.本文提出的动态压缩测量辨识(DCMI)算法从两个方面提高在该情况下的系统辨识精度.其一,利用"匀速变化"及"非匀速变化"模型表示参变函数,以提高模型近似精度.其二,利用压缩感知理论的欠采样能力,在同等数据量的情况下提高参数的计算精度、扩大模型的计算规模.仿真结果表明,基于"匀速变化"模型DCMI算法可以准确地辨识出LPV函数,而且该算法在辨识数据不足的情况下仍然能够获得稳定的辨识结果.

关键词：系统辨识、压缩感知、线性参变(LPV)、线性时变(LTV)、正交匹配追踪(OMP)

所属期刊栏目：45

分类号：V19;TP271+.7(航空、航天的应用)

资助基金：国家自然科学基金;国防科技创新项目

在线出版日期：2019-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：961-969