非均匀采样数据的递推辨识模型和方法
本文研究一般形式的非均匀采样系统的辨识问题。不同于数据缺失情形,非均匀采样的数据点不和任何一个均匀采样的网格重合.这样的非均匀数据难以采用常规的模型进行参数化,或者需要对数据进行处理.而通常进行非均匀数据处理的方法,如重采样、积分等,破坏了原始数据的信息. 本文提出一种适用于异步非均匀采样的多变量系统模型,在连续时间域中对模型进行辨识.推导了模型参数、参数梯度和系统状态之间的相互递推关系,构成基于模型参数梯度的递推辨识算法。仿真结果证明了所提的方法的可行性和有效性。
非均匀采样系统 递推辨识模型 参数梯度 多变量系统
倪博溢 萧德云
清华大学自动化系 北京 100084
国内会议
深圳
中文
298-303
2008-11-01（万方平台首次上网日期，不代表论文的发表时间）