一、系统辨识
系统辨识又称为系统建模。顾名思义,所谓系统辨识是根据一个系统的输入及输出关系来确定系统的参数,如系统的转移函数。一旦该系统的转移函数被求出,当然也就是对该系统建立了一个数学模型。
一个基于自适应滤波器的系统辨识方案如下图所示。图中G(z)是待辨识的未知系统,它在文献中又称为一个“设备(plant)”,H(x)是自适应滤波器,假定它是长度为M的FIR滤波器。它们有着共同的输人x(n)。记G(x)的输出为y(n),H(z)的输出为。通常,待辨识的系统内部会产生噪声,我们可以把该噪声抽象为输出端的加法性噪声,即图中的d(n)=y(n)+u(n)。
误差序列e(n)=d(n)一。通过调整自适应滤波器的系数h(l),l=0,1,…,M-1,我们可使如下的最小平方误差能量
为最小,从而得到一组线性方程
式中N是观察次数,是输入x(n)的自相关,
是d(n)和x(n)的互相关。
一旦上式中的达到最小,此时自适应滤波器收敛。收敛后的滤波器系数所决定的系统H(x)就是对系统G(x)的逼近或建模。上述建模的原理实际上是自适应滤波器通过不断地调整自己,使自己的输出y(n)不断地匹配d(n)。在最佳匹配时,我们有
或G(x)≈H(x),从而实现了对G(x)的辨识或建模。
二、逆系统辨识
下图给出的是逆系统辨识的实现方案,或称为系统的逆向辨识。假定图中延迟器的转移函数,
应等于未知系统和自适应滤波器共同产生的延迟。误差序列e(n)不断地调整自适应滤波器的系数,使误差能量为最小。一旦自适应滤波器收敛,则
因此,,实现了对未知系统的辨识。
注意:延迟器不能去掉,我们希望d(n)和要尽可能相似,如果这两个信号的时间差太大,会降低他们之间的相关性,使得滤波器收敛速度变慢。从下图的两信号相关性可以看出,信号之间的时间差越大,相关性越弱。因此,延迟器Q(z)的加入是必须的。
参考文献: 数字信号处理 理论、算法与实现(第三版)胡广书(编著)