基于高阶累积量的Hammerstein模型记忆效应辨识

基于高阶累积量的Hammerstein模型记忆效应辨识
胡啸;马洪
【期刊名称】《计算机科学》
【年(卷),期】2011(038)002
【摘要】旨在研究存在加性高斯噪声时,Hammerstein模型的记忆效应辨识问题.在输入信号统计量和Hammerstein模型的无记忆非线性效应均未知的情况下,利用模型输出信号的高阶累积量建立两种线性方程组,并从理论上证明了两种线性方程组均具有唯一解;提出将两个线性方程组结合使用的系数提取方法,其过程不受Hammerstein模型的无记忆非线性模块影响.最后的仿真结果表明,在高斯(有色或无色)噪声存在的情况下,此类辨识方法比直接提取参数法具有更好的数值鲁棒性.%This paper focused on memory effect identification of Hammerstein model in Gaussian noise. When input statistics and nonlinearity of Hammerstein are unknown, by using higher order cumulant of output signal, two sets linear equations were proposed to extract coefficients of linear block with memory. Theoretical derivation shows that those two sets of linear equations have unique .solutions. They could be used alternately to identify the memory effect of Hammerstein model, and the identification process is not affected by memory-less nonlinear block. Finally, simulations verify that the new developments have higher performance than direct extraction method.
【总页数】4页(P202-205)
【作者】胡啸;马洪
【作者单位】武汉国家光电实验室,武汉430074;华中科技大学电子与信息工程系,武汉430074
【正文语种】中文
【中图分类】TN911.7
【相关文献】
1.一种基于高阶累积量的复共轭四阶系统辨识方法 [J], 齐春;常城;黄华;梁德群
2.基于高阶累积量的闭环子空间辨识算法研究 [J], 黎康;张洪华
3.基于高阶累积量的改进Prony低频振荡辨识方法 [J], 朱先贤;赵帅;贾宏杰
4.基于高阶累积量方法的非高斯非最小相位ARMA模型辨识 [J], 李翠萍;谢红卫
5.基于高阶累积量的齿轮系统辨识方法研究 [J], 邵忍平;陈立群;孙进才;沈允文因版权原因，仅展示原文概要，查看原文内容请购买。