含过程噪声的Hammerstein-Wiener神经模糊模型多信号源辨识

贾立; 杨爱华; 邱铭森

doi:10.16183/j.cnki.jsjtu.2016.06.012

摘要

提出一种在过程噪声干扰下基于偏差补偿递推最小二乘法的Hammerstein-Wiener神经模糊模型多信号源辨识方法.通过三阶段组合式多源信号,实现了过程噪声干扰下Hammerstein-Wiener模型中输入静态非线性环节、动态线性环节以及输出静态非线性环节的分离,提高了各串联环节模型参数的分离精度,避免了传统迭代分离方法中模型参数的收敛问题.在此基础上,利用补偿原理,提出基于偏差补偿递推最小二乘法的Hammerstein-Wiener模型参数辨识方法,通过在递推最小二乘算法中引入修正项来补偿过程噪声引起的估计偏差,实现了模型参数的无偏估计.理论分析与仿真实验的结果表明,所提出的方法具有较好的有效性.

关键词： Hammerstein-Wiener模型, 信号源, 偏差补偿递推最小二乘法, 参数辨识

本文引用格式

贾立 , 杨爱华 , 邱铭森 . 含过程噪声的Hammerstein-Wiener神经模糊模型多信号源辨识[J]. 上海交通大学学报, 2016 , 50(6) : 884 -890 . DOI: 10.16183/j.cnki.jsjtu.2016.06.012

Abstract

提出一种在过程噪声干扰下基于偏差补偿递推最小二乘法的Hammerstein-Wiener神经模糊模型多信号源辨识方法.通过三阶段组合式多源信号,实现了过程噪声干扰下Hammerstein-Wiener模型中输入静态非线性环节、动态线性环节以及输出静态非线性环节的分离,提高了各串联环节模型参数的分离精度,避免了传统迭代分离方法中模型参数的收敛问题.在此基础上,利用补偿原理,提出基于偏差补偿递推最小二乘法的Hammerstein-Wiener模型参数辨识方法,通过在递推最小二乘算法中引入修正项来补偿过程噪声引起的估计偏差,实现了模型参数的无偏估计.理论分析与仿真实验的结果表明,所提出的方法具有较好的有效性.

Key words： Hammerstein-Wiener模型, 信号源, 偏差补偿递推最小二乘法, 参数辨识

模态框（Modal）标题

摘要

本文引用格式

Abstract