系统辨识作业一 学院信息科学与工程学院专业控制科学与工程 班级控制二班 姓名 学号
2018 年 11 月 系统辨识 所谓辨识就是通过测取研究对象在认为输入作用的输出响应，或正常运行时 的输入输出数据记录，加以必要的数据处理和数学计算，估计出对象的数学模型。 辨识的内容主要包括四个方面： ①实验设计； ②模型结构辨识； ③模型参数辨识； ④模型检验。 辨识的一般步骤：根据辨识目的，利用先验知识，初步确定模型结构；采集 数据；然后进行模型参数和结构辨识；最终验证获得的最终模型。 根据辨识方法所涉及的模型形式来说，辨识方法可以分为两类：一类是非参 数模型辨识方法，另一类是参数模型辨识方法。 其中，非参数模型辨识方法又称为经典的辨识方法，它主要获得的是模型是 非参数模型。在假定过程是线性的前提下，不必事先确定模型的具体结构，广泛 适用于一些复杂的过程。经典辨识方法有很多，其中包括阶跃响应法、脉冲响应法、相关分析法和普分析法等等，本次实验所采用的辨识方法为阶跃响应法和脉 冲响应法。 1．阶跃响应法 阶跃响应法是一种常用非参数模型辨识方法。常用的方法有近似法、半对数法、切线法、两点法和面积法等。本次作业采用面积法求传递函数。 1.1面积法 ① 当系统的传递函数无零点时，即系统传递函数如下： G(S) = + ?11?1+?+ 1+1 (1-1) 系统的传递函数与微分方程存在着一一对应的关系，因此，可以通过求取 微分方程的系数来辨识系统的传递函数。在求得系统的放大倍数K后，要得到无 因次阶跃响应y(t)(设τ=0)，其中y(t)用下式描述： () ?1 () (1-2) 面积法原则上可以求出n为任意阶的个系数。以n为3为例。有： 3() 2() () {| →∞ =| →∞ =| →∞ = 0 (1-3) ()| →∞ = 1
1：修改课本p61的程序，并画出相应的图形； u = -1 -1 -1 1 -1 1 1 -1 1 -1 1 -1 -1 1 1 z = Columns 1 through 11 0 0 Columns 12 through 16 HL =
0 0 0 ZL = c = a1 =
a2 = b1 = 1 b2 = 2：修改课本p63的程序，并画出相应的图形（V的取值范围为54-200）； V = [, , , , , ]τ P = [, , , , , ]τ ZL = [, , , , , ]τ HL = c4 = alpha = beita = +004 3：表1中是在不同温度下测量同一热敏电阻的阻值， 70时根据测量值确定该电阻的数学模型，并求出当温度在C?
的电阻值。 要求用递推最小二乘求解： （a ）设观测模型为 利用头两个数据给出 ?? ???===-0L T L L T L L z H P θH H P P 000)0()0(?)()()0(1 0 （b ）写出最小二乘的递推公式； （c ）利用Matlab 计算 T k a k b k )](),([)(?=θ 并画出相应的图形。 解：首先写成[][]?? ? ???=??????=+==a b t a b h h a bt k k z k k 1)()(12 θτ h θL L H z = T L L z z ],...,[1=z ，????? ???? ???=1 (112) 1 L L t t t H ，??????=a b θ 的形式。 利用头两个数据给出最小二乘的初值： ,126120.50??????=L H ?? ????=7907650L z 这样可以算得 i i v bt a y ++=
m 序列及相关理论分析 摘要：本文阐述了常用伪随机序列m 序列的产生方法，对其自相关性和互相关性等主要性质进行简要分析。 关键字：m 序列；伪随机序列；相关性； m code sequence and relevant theory analyses Abstict : This paper expounds the generation method of commonly used pseudo-random sequence: m sequence and carries the brief analys on auto correlation mutual correlation. Keywords :m sequence; pseudo-random sequence; correlation 1 引言 在通信系统中，随机噪声会使数字信号出现误码和使模拟信号产生失真和，而且随机噪声也是限制信道容量的一个重要因素。因此人们经常希望消除或减少通信系统中的随机噪声。另一方面，在实际需要时人们产生随机噪声并利用随机噪声。例如，在实验室中可能要故意加入一定的随机噪声对通信设备或系统的各个性能指标进行测试。又如通过利用掺入随机噪声来提高通信的可靠性。为了满足上述实际应用要求，则需要产生满足对应要求的随机噪声信号。实际中，难以重复产生和处理随机噪声是利用随机噪声的最大困难。 2 m 序列的产生 m 序列又称伪随机序列、伪噪声码(PN)或伪随机码。其中：确定序列是可以预先确定并且可以重复实现的序列；随机序列是既不能预先确定又不能重复实现的序列；伪随机序列是不能预先确定但可以重复产生的序列。 m 序列（全称：最长线性反馈移位寄存器序列）是最为常用的一种伪随机序列。m 序列是由带线性反馈的移位寄存器产生的序列，并且具有最长的周期。 由n 级串接的移位寄存器和对应级别的反馈逻辑电路可组成动态移位寄存器，如果反馈逻辑线路只用线性模2和构成，那么就称此寄存器为线性反馈移位寄存器；但是反馈逻辑线路中出现如“与”、“或”等运算，那么称此寄存器为非线性反馈移位寄存器。线性反馈逻辑的移位寄存器设定初始状态后，在时钟促使下，每次移位后各级的寄存器状态就会发生移位改变状态。整个系统中的每一级寄存器都会随着时钟节拍的推移输出一个序列，该序列成为移位寄存器序列，以下图1所示的5级移位寄存器为例，图中线性反馈逻辑服从一下递归关系： 52--⊕=n n n a a a （1） 图1 一种5级移位寄存器 由图中可知：将第二级移位寄存器的输出和第五级移位寄存器的输出经过模2和运算后反馈到第一级的输入中。假设这5级移位寄存器的初始值为00001，第1、2、3、4级移位寄存器存储值为0，第五级存储值为1。在移位时钟节拍的作用下，各级移位寄存器的输出状态转移流程图如下表1所示。经过31个时钟后，第31节拍移位寄存器的状态与第0拍的状态(初始状态)相同，因而再经过一个时钟之后，从第32拍开始，移位寄存器必定重复第1至第31拍的过程。这说明该移位寄存器的状态具有周期性，其周期长度为31。如果从第5级输出，选择1000为起点，便可得到如下序列： 表1 m 序列发生器状态转移流程图
系统辨识习题解答 1-14、若一个过程的输入、输出关系可以用MA 模型描述，请将该过程的输入输出模 型写成最小二乘格式。 提示：① MA 模型z k D z u k ()()()=-1 ② 定义ττθ)](,),1(),([)(,],,,[10n k u k u k u k d d d n --== h 解：因为MA 模型z k D z u k ()()()=-1，其中 n n z d z d d z D ---+++= 1101)(，从而 )()1()()(10n k u d k u d k u d k z n -++-+= 所以当定义ττθ)](,),1(),([)(,],,,[10n k u k u k u k d d d n --== h ，则有最小二乘格式： )()()()()(0 k e k h k e k h d k z n i i i +=+=∑=τ ， 其中e(k)是误差项。 2-3、设)}({k e 是一个平稳的有色噪声序列，为了考虑这种噪声对辨识的影响，需要 用一种模型来描述它。请解释如何用白噪声和表示定理把)(k e 表示成AR 模型、MA 模型和ARMA 模型。 解：根据表示定理，在一定条件下，有色噪声e(k)可以看成是由白噪声v(k)驱动的线 性环节的输出，该线性环节称为成形滤波器，其脉冲传递函数可写成 ) () ()(1 11 ---=z C z D z H 即 )()()()(1 1k v z D k e z C --= 其中 c c n n z c z c z C ---+++= 1 11 1)( d d n n z d z d z D ---+++= 1 111)(
系统辨识习题解答 1-14、若一个过程的输入、输出关系可以用MA 模型描述，请将该过程的输入输出模型写成 最小二乘格式。 提示：① MA 模型z k D z u k ()()()=-1 ② 定义ττθ)](,),1(),([)(,],,,[10n k u k u k u k d d d n --==ΛΛh 解：因为MA 模型z k D z u k ()()()=-1，其中 n n z d z d d z D ---+++=Λ1101)(，从而 所以当定义ττθ)](,),1(),([)(,],,,[10n k u k u k u k d d d n --==ΛΛh ，则有最小二乘格式： )()()()()(0k e k k e k h d k z n i i i +=+=∑=θτ ， 其中e(k)是误差项。 2-3、设)}({k e 是一个平稳的有色噪声序列，为了考虑这种噪声对辨识的影响，需要用一种 模型来描述它。请解释如何用白噪声和表示定理把)(k e 表示成AR 模型、MA 模型和ARMA 模型。 解：根据表示定理，在一定条件下，有色噪声e(k)可以看成是由白噪声v(k)驱动的线性环 节的输出，该线性环节称为成形滤波器，其脉冲传递函数可写成 即 )()()()(11k v z D k e z C --= 其中 c c n n z c z c z C ---+++=Λ1111)( 根据其结构，噪声模型可区分为以下三类： 自回归模型（AR 模型）： )()()(1k v k e z C =- 平均滑动模型（MA 模型）： )()()(1k v z D k e -= 自回归平均滑去模型（ARMA 模型）： )()()()(11k v z D k e z C --= 3－4、根据离散Wiener-Hopf 方程，证明 解：由于M 序列是循环周期为t N P ?，12-=P P N ，t ?为M 序列移位脉冲周期，自相关函数 近似于δ函数，a 为M 序列的幅度。设数据的采样时间等于t ?，则离散Wiener-Hopf 方程为： 当M 序列的循环周期t N P ?大于过程的过渡过程时间时，即P N 充分大时，离散Wiener-Hopf 方程可写成：
设计内容及要求 基于MATLAB产生m序列 要求： 1．通过matlab编程产生m序列的产生原理及其产生方法。 2．对特定长度的m序列，分析其性质，及其用来构造其它序列的方法。 第二章m序列设计方案的选择 2.1 方案一 MATLAB编程非常简单，无需进行变量声明，可以很方便的实现m序列。 2.2 方案二 图2.1 Simulink实现m序列 Simulink是MATLAB最重要的组件之一，它提供了一个动态系统建模，仿真和综合分析的集成环境。在此环境中无需大量书写程序，而只需通过简单直观的鼠标操作，就可构造出复杂的系统。Simulink具有适应性广，结构及流程清晰及仿真精细等优点，基于以上优点，Simulink已被广泛的运用到控制理论和数字信号处理的复杂仿真和设计。
通过比较方案一和方案二，发现方案一的有点具有通用性而方案二利用MATLAB的Simulink直接搭建模块，在移位寄存器较少的情况下利用此方法比较简单，可是当移位寄存器的个数增多时，要搭建那么多的模块就显的很繁琐了，缺乏通用性，因此本次实验选择方案一。 第三章m序列的产生及性质 3.1 m序列的产生原理、结构及产生 m序列是最长线性反馈移位寄存器序列的简称，m序列是由带线性反馈的移位寄存器产生的。 由n级串联的移位寄存器和反馈逻辑线路可组成动态移位寄存器，如果反馈逻辑线路只由模2和构成，则称为线性反馈移位寄存器。 带线性反馈逻辑的移位寄存器设定初始状态后，在时钟触发下，每次移位后各级寄存器会发生变化，其中任何一级寄存器的输出，随着时钟节拍的推移都会产生一个序列，该序列称为移位寄存器序列。 n级线性移位寄存器的如图3.1所示： ◇A 图3.1 n级线性移位寄存器 图中C i表示反馈线的两种可能连接方式，C i=1表示连线接通，第n-i 级输出加入反馈中；C i=0表示连线断开，第n-i级输出未参加反馈。 因此，一般形式的线性反馈逻辑表达式为 ------表达式3.1将等式左边的a n移至右边，并将a n=C0a n(C0=1)带入上式，则上式可以 写成
8.10 内部函数与外部函数 函数本质上是全局的，但可以限定函数能否被别的文件所引用。当一个源程序由多个源文件组成时，Ｃ语言根据函数能否被其它源文件中的函数调用，将函数分为内部函数和外部函数。 8.10.1 内部函数 如果在一个源文件中定义的函数，只能被本文件中的函数调用，而不能被同一程序其它文件中的函数调用，这种函数称为内部函数。 定义一个内部函数，只需在函数类型前再加一个“static”关键字即可，如下所示： static 函数类型函数名(函数参数表) {……} 关键字“static”，译成中文就是“静态的”，所以内部函数又称静态函数。但此处“static”的含义不是指存储方式，而是指对函数的作用域仅局限于本文件。 使用内部函数的好处是：不同的人编写不同的函数时，不用担心自己定义的函数，是否会与其它文件中的函数同名，因为同名也没有关系。 8.10.2 外部函数 外部函数的定义：在定义函数时，如果没有加关键字“static”，或冠以关键字“extern”，表示此函数是外部函数： [extern] 函数类型函数名(函数参数表) {……} 调用外部函数时，需要对其进行说明： [extern] 函数类型函数名(参数类型表)[，函数名2(参数类型表2)……]； 例8.22 外部函数应用。 （1）文件mainf.c main() { extern void input(…),process(…),output(…); input(…); process(…); output(…); } （2）文件subf1.c extern void input(……)/*定义外部函数*/ {……} （3）文件subf2.c extern void process(……)/*定义外部函数*/ {……} （4）文件subf3.c…… extern void output(……)/*定义外部函数*/ {……} 例8.23 数组排序----简单选择排序 file1.c main()
上海大学2015 ～2016学年冬季学期研究生课程考试 小论文格式 课程名称：系统建模与辨识课程编号： 09SB59002 论文题目: 基于改进的BP神经网络模型的网络流量预测 研究生姓名: 李金田学号: 15721524 论文评语: 成绩: 任课教师: 张宪 评阅日期:
基于改进的BP神经网络模型的网络流量预测 15721524，李金田 2016/3/4 摘要：随着无线通信技术的快速发展，互联网在人们的日常生活中占据了越来越重要的位置。网络中流量监控和预测对于研究网络拓扑结构有着重要的意义。本文参考BP算法，通过分析算法的优势和存在的一些问题，针对这些缺陷进行了改进。通过建立新的流量传输的传递函数，对比了经典的传递函数，并且在网络中进行了流量预测的实验和验证。新方法在试验中表现出了良好的实验性能，在网络流量预测中有很好的应用，可以作为网络流量预测的一个新方法和新思路，并且对研究网络拓扑结构有着重要的启发作用。网络流量预测在研究网络行为方面有着重要的作用。ARMA时间序列模型是比较常见的用于网络流量预测的模型。但是用在普通时间序列模型里面的一些参数很难估计，同时非固定的时间序列问题用ARMA模型很难解决。人工神经网络技术通过对历史数据的学习可能对大量数据的特征进行缓存记忆，对于解决大数据的复杂问题很合适。IP6 网络流量预测是非线性的，可以使用合适的神经网络模型进行计算。 A Novel BP Neural Network Model for Traffic Prediction of The Next Generation Network. Abstract:With the rapid development of wireless communication technology, the internet occupy an important position in people’s daily life. Monitoring and predicting the traffic of the network is of great significant to study the topology of the network. According to the BP algorithm, this paper proposed an improved BP algorithm based on the analysis of the drawback of the algorithm. By establishing a new transfer function of the traffic transmission, we compare it with the previous transmission function. Then, the function is used to do experiments, found to be the better than before. This method can be used as a new way to predict the network traffic, which has important implications for the study of the network topology. Network traffic prediction is an important research aspect of network behavior. Conventionally, ARMA time sequence model is usually adopted in network traffic prediction. However, the parameters used in normal time sequence models are difficult to be estimated and the nonstationary time sequence problem cannot be processed using ARMA time sequence problem model. The neural network technique may memory large quantity of characteristics of data set by learning previous data, and is suitable for solving these problems with large complexity. IP6 network traffic prediction is just the problem with nonlinear feature and can be solved using appropriate neural network model.
1、m序列 1.1概述 1.1.1实验原理 （1）m序列概念和用途 ①概念： m序列是由n级线性移位寄存器产生的周期为P=2^n-1的码序列，是最长线性移位寄存器序列的简称。 ②用途： 码分多址系统主要采用两种长度的m序列：一种是周期为P=2^15-1的m 序列，又称为短PN序列；另一种是周期为P=2^42-1的m序列，又称为长PN 序列。 （2）m序列的产生 ①4级m序列的码序列发生器 假设初始状态为0001，在时钟作用下，产生的m序列的状态表。 4级m序列的周期P=24-1=15，相应的输出序列为：100010011010111。
②线性移位反馈移位寄存器反馈系数Ci ③m序列特性 均衡性：在一个周期中，m序列中“1”的个数比“0”的个数多1个。 游程特性：长度为k的游程数占游程总数的1/2^k 移位相加特性：一个m序列与其循环移位逐位比较，相同码的位数与不同码的位数相差1位。 自相关特性：表征一个信号与延迟后自身信号的相似性。 ④m序列的构造——反馈线性反馈移存器
1.1.2实验意义 m序列是目前广泛应用的一种伪随机序列，在所有的伪随机序列中，m序列是最重要、最基本的一种伪随机序列。它容易产生，规律性强，有很好的自相关性和较好的互相关特性。m序列的生成是接下来的实验的基础,具有指导性的意义。 1.1.3系统的主要功能 设计本原多项式系数为13、23、103、203的m序列。 1.1.4使用方法 输入m后，输出相应的m序列。 1.2程序设计 1.2.1设计思想 由m序列的产生过程，即通过带反馈的移位寄存器产生，容易想到EDA中的结构化的程序设计思想，即以DFF触发器作为底层文件，进行顶层文件设计，获得m序列。此设计的优点是程序思路简单，结构清晰，只要做出一种反馈系数的m序列，容易得到其他反馈系数的m序列；但也存在缺点，那就是结构化的设计使得代码写的过长。
1请叙述系统辨识的基本原理（方框图），步骤以及基本方法 定义：系统辨识就是从对系统进行观察和测量所获得的信息重提取系统数学模型的一种理论和方法。 辨识定义：辨识有三个要素——数据、模型类和准则。辨识就是按照一个准则在一组模型类中选择一个与数据拟合得最好的模型 辨识的三大要素：输入输出数据、模型类、等价准则 基本原理： 步骤：对一种给定的辨识方法，从实验设计到获得最终模型，一般要经历如下一些步骤：根据辨识的目的，利用先验知识，初步确定模型结构；采集数据；然后进行模型参数和结构辨识；最后经过验证获得最终模型。 基本方法：根据数学模型的形式：非参数辨识——经典辨识，脉冲响应、阶跃响应、频率响应、相关分析、谱分析法。参数辨识——现代辨识方法（最小二乘法等） 2随机语言的描述 白噪声是最简单的随机过程，均值为零，谱密度为非零常数的平稳随机过程。 白噪声过程（一系列不相关的随机变量组成的理想化随机过程） 相关函数： 谱密度： 白噪声序列，白噪声序列是白噪声过程的离散形式。如果序列 满足： 相关函数： 则称为白噪声序列。 谱密度： M 序列是最长线性移位寄存器序列，是伪随机二位式序列的一种形式。 M 序列的循环周期 M 序列的可加性：所有M 序列都具有移位可加性 辨识输入信号要求具有白噪声的统计特性 M 序列具有近似的白噪声性质，即 M 序列“净扰动”小，幅度、周期、易控制，实现简单。 3两种噪声模型的形式是什么 第一种含噪声的被辨识系统数学模型0011()()()()n n i i i i y k a y k i b u k i v k ===-+-+∑∑，式中,噪声序列v(k)通常假定为均值为零独立同分布的平稳随机序列,且与输入的序列u(k)彼此统计独立. 上式写成：0 ()()()T y k k v k ψθ=+。其中，()()()()()()()=1212T k y k y k y k n u k u k u k n ψ------????L L ，，，，，，， ) ()(2τδστ=W R +∞ <<∞-=ωσω2)(W S )}({k W Λ,2,1,0,)(2±±==l l R l W δσ2)()(σωω== ∑ ∞-∞=-l l j W W e l R S ???≠=≈+=?0 , 00,Const )()(1)(0ττττT M dt t M t M T R bit )12(-=P P N
襄樊学院2008-2009学年度上学期《系统辨识》试题 B卷参考答案及评分标准 一、选择题：（从下列各题的备选答案中选出一个或几个正确答案，并将其代号写在题干后面的括号内。答案选错或未选全者，该题不得分。每空2分，共12分） 1、（D） 2、（A） 3、（C） 4、（ABC） 5、（BCD） 6、（B） 二、填空题：（每空2分，共14分） 1、图解 2、阶次和时滞 3、极大似然法和预报误差法 4、渐消记忆的最小二乘递推算法和限定记忆的最小二乘递推算法 三、判断题（下列命题你认为正确的在题后括号内打“√”；错误的打“×”并改正；每小题2分，共20分）（注：正确的题目括号内打“√”得2分，打“×”得0分；错误的题目括号内打“×”得1分，改正正确再得1分，错误的题目括号内打“√”得0分；） 1、（×）非零→零 2、（√） 3、（×）完全相同→不完全相同 4、（√） 5、（×）不相同→相同 6、（√） 7、（√） 8、（√） 9、（×）灰箱→白箱 10、（×）不需要→需要 四、简答题：（回答要点，并简明扼要作解释，每小题6分，共18分） 1、答：计算中用一个数值来表示对观测数据的相对的“信任程度”，这就是权。（2分） 对于时变参数系统，其当前的观测数据最能反映被识对象当前的动态特性，数据愈“老”，它偏离当前对象特性的可能性愈大。因此要充分重视当前的数据而将“过时的”、“陈旧的”数据逐渐“遗忘”掉，这就是加权的概念。（2分）具体的方法是，每当取得一个新的量测数据，就将以前的所有数据都乘上一个加权因子ρ（0<ρ<1）,这个加权因子体现出对老数据逐步衰减的作用，所以ρ也可称为衰减因子，因此在L次观测的基础上，在最小二乘准则中进行了某ρ=μ（0<μ<1），选择不同的μ就得到不同的加权效果。μ愈小，表示将过种加权，即取2 去的数据“遗忘”得愈快。（2分） 2、答：相关分析法的主要优点是由于M序列信号近似于白噪声，噪声功率均匀分布于整个频带，从而对系统的扰动甚微，保证系统能正常工作（1.5分）。此外。因为相关函数的计算是一种
系统辨识方学习总结 一．系统辨识的定义 关于系统辨识的定义，Zadeh是这样提出的：“系统辨识就是在输入和输出数据观 测的基础上，在指定的一组模型类中确定一个与所测系统等价的模型”。L.Ljung也给 “辨识即是按规定准则在一类模型中选择一个与数据拟合得最好的模型。出了一个定义： 二．系统描述的数学模型 按照系统分析的定义，数学模型可以分为时间域和频率域两种。经典控制理论中微 分方程和现代控制方法中的状态空间方程都是属于时域的范畴，离散模型中的差分方程 和离散状态空间方程也如此。一般在经典控制论中采用频域传递函数建模，而在现代控 制论中则采用时域状态空间方程建模。 三．系统辨识的步骤与内容 (1)先验知识与明确辨识目的 这一步为执行辨识任务提供尽可能多的信息。首先从各个方面尽量的了解待辨识的 系统，例如系统飞工作过程，运行条件，噪声的强弱及其性质，支配系统行为的机理等。 对辨识目的的了解，常能提供模型类型、模型精度和辨识方法的约束。 (2)试验设计 试验设计包括扰动信号的选择，采样方法和间隔的决定，采样区段（采样数据长度 的设计）以及辨识方式（离线、在线及开环、闭环等的考虑）等。主要涉及以下两个问 题，扰动信号的选择和采样方法和采样间隔 (3)模型结构的确定 模型类型和结构的选定是决定建立数学模型质量的关键性的一步，与建模的目的， 对所辨识系统的眼前知识的掌握程度密切相关。为了讨论模型和类型和结构的选择，引 入模型集合的概念，利用它来代替被识系统的所有可能的模型称为模型群。所谓模型结 构的选定，就是在指定的一类模型中，选择出具有一定结构参数的模型M。在单输入单 输出系统的情况下，系统模型结构就只是模型的阶次。当具有一定阶次的模型的所有参 数都确定时，就得到特定的系统模型M，这就是所需要的数学模型。 (4)模型参数的估计 参数模型的类型和结构选定以后，下一步是对模型中的未知参数进行估计，这个阶 段就称为模型参数估计。
经典辨识方法报告 1. 面积法 辨识原理 分子多项式为1的系统 1 1 )(11 1++++= --s a s a s a s G n n n n Λ……………………………………………（） 由于系统的传递函数与微分方程存在着一一对应的关系，因此，可以通过求取微分方程的系数来辨识系统的传递函数。在求得系统的放大倍数K 后，要先得到无因次阶跃响应y(t)（设τ=0）。大多数自衡的工业过程对象的y(t)可以用下式描述来近似 1)() ()()(a 111=++++--t y dt t dy a dt t y d a dt t y d n n n n K ……………………………（） 面积法原则上可以求出n 为任意阶的各系数。以n=3为例，注意到 1|)(,0|)(d |)(d |)(d 23====∞→∞→∞→∞→t t t t t y dt t y dt t y dt t y …………………………（） 将式（）的y(t)项移至右边，在[0，t]上积分，得 ?-=++t dt t y t y a dt t dy a dt t y d a 01223 )](1[)() ()(…………………………………（） 定义 ?-=t dt t y t F 01)](1[)(……………………………………………………………（） 则由式（）给出的条件可知，在t →∞ ?∞ -=01)](1[a dt t y ……………………………………………………………（） 将式a 1y(t)移到等式右边，定义 )()]()([)() (a 201123 t F dt t y a t F t y a dt t dy t =-=+?…………………………………（） 利用初始条件（）当t →∞时 )(a 22∞=F …………………………………………………………………… （） 同理有a 3=F 3(∞) 以此类推，若n ≥2，有a n =F n (∞) 分子、分母分别为m 阶和n 阶多项式的系统
实验九 m 序列产生及其特性实验 一、实验目的 通过本实验掌握m 序列的特性、产生方法及应用。 二、实验内容 1、观察m 序列，识别其特征。 2、观察m 序列的自相关特性。 三、基本原理 m 序列是有n 级线性移位寄存器产生的周期为21n -的码序列，是最长线性移位寄存器序列的简称。码分多址系统主要采用两种长度的m 序列：一种是周期为1521-的m 序列，又称短PN 序列；另一种是周期为4221-的m 序列，又称为长PN 码序列。m 序列主要有两个功能：①扩展调制信号的带宽到更大的传输带宽，即所谓的扩展频谱；②区分通过多址接入方式使用同一传输频带的不同用户的信号。 1、产生原理 图9-1示出的是由n 级移位寄存器构成的码序列发生器。寄存器的状态决定于时钟控制下输入的信息（“0”或“1”），例如第I 级移位寄存器状态决定于前一时钟脉冲后的第i －1级移位寄存器的状态。 图中C 0，C 1，…，C n 均为反馈线，其中C 0＝C n ＝1，表示反馈连接。因为m 序列是由循环序列发生器产生的，因此C 0和C n 肯定为1，即参与反馈。而反馈系数C 1，C 2，…，C n －1 若为1，参与反馈；若为0，则表示断开反馈线，即开路，无反馈连线。 D 1 输出 C 0=1 C 1 C 2 C n-1 C n =1 D 2 D 3 D n 图9-1 n 级循环序列发生器的模型 一个线性反馈移动寄存器能否产生m 序列，决定于它的反馈系数(0,1,2,,)i c i n = ，下表中列出了部分m 序列的反馈系数i c ，按照下表中的系数来构造移位寄存器，就能产生相应的m 序列。 表9-1 部分m 序列的反馈系数表 级数n 周期P 反馈系数i C （采用八进制） 3 7 13 4 1 5 23 5 31 45，67，75 6 63 103，147，155 7 127 203，211，217，235，277，313，325，345，367 8 255 435，453，537，543，545，551，703，747
C++中的作用域解析 名字空间域 名字空间主要用于解决名字冲突的问题，在名字空间出现之前，库的作者通常通过附加给库中的类型，全局变量和函数予特定的前缀来防止名字冲突的问题，例如dbus库的Error类型和Error初始化函数被命名为： DBusError dbus_init_error 有了名字空间后，我们就可以通过附加名字空间的名字来构成名字的限定名（Qualified Name）来解决名字冲突的问题。 当然更主要的是我们可以通过名字空间别名，使用声明（特定的名字）和使用指示（全部名字）来达成即能有效防止冲突，又能在已确定的上下文中更方便的访问名字的作用。 跟Java的包机制不同，名字空间是纯逻辑上的，它不具备对文件组织上任何的物理约束，一个名字空间可以跨越多个编译单元（常见的方式，一个库一个名字空间），但也可以一个编译单元包含多个名字空间（比较少见，通常是用来通过嵌套的子名字空间来防止一些函数重载上的意外发生）。（Java中的包，编译单元，类型域的包含关系更加明确，容易理解和使用，一个包必然包含一个或多个编译单元，一个编译单元也必然包括一个或多个类型，而且只能有一个是包可见的--公共类） 有的意见认为，名字空间引起的问题比它解决的要多，比如连接时名字解析的问题，特别是不同编译器编译出来的程序片段（静态库，导入库，Object文件）如何能够正确的连接。名字空间也使得重载的决议规则变的更复杂。所以像有些的库仍然坚持使用前缀的方式，比如QT。 名字空间出现后，以前的全局域就变成了名字空间的一个特例--全局名字空间。没有放置在某个名字空间的类型，具有编译单元外部链接的非成员函数和变量就缺省属于全局名字空间。 编译单元域 编译单元域是个比较特殊的域，它通常跟代码的物理组织方式有关。一个编译单元中非成员变量和函数的名字可以有外部链接，从而使得链接器可以用来解决跨编译单元的名
系 统 辨 识 作 业 系统辨识作业： ?已知某系统为单输入/单输出系统，其测量噪声为有色噪声，分布未知。 现给出一个实验样本(如下表所示)，求该系统模型。 说明： 可采用GLS ，ELS ，IV 等，要定阶，要比较仅用RLS 的计算结果 一、问题分析 在估计模型参数时需要已知模型的阶数，但是由于本系统模型阶数也是未知的，所以本系统需要先由输入/输出数据通过辩识得出系统的阶数。然后根据辨识的系统阶数再分析求解系统模型。 二、模型阶数的辨识 按照品质指标“残差平方总和”定阶，如高阶系统模型相应的系数为零，则可退化成相应的低阶系统即低阶模型可视为高阶模型的特例。理论上高阶模型的精度不低于低阶模型，但是考虑到计算机的舍入误差的影响，过高的阶数亦能引起模型精度的下降。一般说低阶模型描述粗糙，高阶模型精度高，但是代价亦大。根据逼近的观点，定阶往往是考虑多种因素的折衷。定阶一般是按照假设——检验的步骤进行的，检验过程中往往带有主观成分。 一般说来低阶模型描述粗糙，高阶模型精度高。残差平方总和J(n)是模型阶数的函数 在不同的模型阶数的假设下，参数估计得到的J(n)值亦不同。定阶的最简单办法是直接用J(n)。设模型阶数的“真值”为n 0 ,当n < n 0 时随着n 的增加，J(n)值将明显的下降；而当n ≥ n 0 时随着n 的增加，J(n)值变化将不显著。因此，由J(n)曲线随着n 的增加最后一次陡峭下降的n 值定做n 的估计值。用数理统计的检验方法，判断n 的增加使得J(n)值改善是否明显。 讨论如下 (1).当n=1时程序如下: clear u=zeros(100,1);%构造输入矩阵 z=zeros(100,1);%构造输出矩阵 u=[-0.93249 0.34935 0.76165 -0.9964 -0.38894 -0.12288 0.021565 -0.49555 -0.61624 -1.912 0.22207 -0.31231 -0.17866 -1.8356 -0.26472 1.7642 -1.0418 1.1146 -2.0856 0.8152 1.5094 -0.5822 0.61097 0.35521 2.5907 1.5843 -0.9603 -0.27341 0.39947 0.17493 -1.7451 0.8112 1.2645 1.5682 0.63959 -0.47757 0.99697 0.058774 -0.16174 -1.2928 -0.04722 0.73182 -0.19644 0.091783 -1.1908 -0.90716 0.85388 0.33836 0.74074 0.54181 0.15676 -0.50569 -0.17521 1.3255 -2.488 0.50261 -1.1533 0.36407 0.65283 -0.05983 ∑=-=N k T K k y n J 12 ) )(()(θ?
实验九 m 序列产生及其特性实验 一、 实验目的和要求 通过本实验掌握m 序列的特性、产生方法及应用。 二、实验内容和原理 1）、实验内容 1、观察m 序列，识别其特征。 2、观察m 序列的自相关特性。 2）、基本原理 m 序列是有n 级线性移位寄存器产生的周期为21n -的码序列，是最长线性移位寄存器序列的简称。 1、产生原理 图9-1示出的是由n 级移位寄存器构成的码序列发生器。寄存器的状态决定于时钟控制下输入的信息（“0”或“1”），例如第I 级移位寄存器状态决定于前一时钟脉冲后的第i －1级移位寄存器的状态。图中C 0，C 1，…，C n 均为反馈线，其中C 0＝C n ＝1，表示反馈连接。因为m 序列是由循环序列发生器产生的，因此C 0和C n 肯定为1，即参与反馈。而反馈系数C 1，C 2，…，C n －1若为1，参与反馈；若为0，则表示断开反馈线，即开路，无反馈连线。 一个线性反馈移动寄存器能否产生m 序列，决定于它的反馈系数(0,1,2,,)i c i n = ，下表中列出了部分m 序列的反馈系数i c ，按照下表中的系数来构造移位寄存器，就能产生相应的m 序列。 表9-1 部分m 序列的反馈系数表
根据表9-1中的八进制的反馈系数，可以确定m 序列发生器的结构。以7级m 序列反馈系数8(211)i C =为例，首先将八进制的系数转化为二进制的系数即2(010001001)i C =，由此我们可以得 到各级反馈系数分别为：01C =、10C =、30C =、41C =、50C =、60C =、71C =，由此就很容易地构造出相应的m 序列发生器。根据反馈系数，其他级数的m 序列的构造原理与上述方法相同。 需要说明的是，表9-1中列出的是部分m 序列的反馈系数，将表中的反馈系数进行比特反转，即进行镜像，即可得到相应的m 序列。例如，取482(23)(10011)C ==，进行比特反转之后为28(10011)(31)=，所以4级的m 序列共有2个。其他级数m 序列的反馈系数也具有相同的特性。理 论分析指出，n 级移位寄存器可以产生的m 序列个数由下式决定： (21)/n s N n φ=- 其中，()x φ为欧拉函数，其值小于等于x ，并与x 互质的正整数的个数（包括1在内）。例如对于4 级移位寄存器，则小于42115-=并与15互质的数为1、2、4、7、8、11、13、14，共8个，所以(15)8,8/42s N φ===，所以4级移位寄存器最多能产生的m 序列数为2。总之，移位寄存器的反馈系数决定是否产生m 序列，起始状态决定序列的起始点，不同的反馈系数产生不同的码序列。 2、m 序列的自相关函数 m 序列的自相关函数为()R A D τ=- （9-1）式中，A 为对应位码元相同的数目；D 为对应位码 元不同的数目。自相关系数为()A D A D P A D ρτ--== + (9-2） 对于m 序列，其码长为P=2n －1，在这里P 也等于码序列中的码元数，即“0”和“1”个数的总和。其中“0”的个数因为去掉移位寄存器的全“0”状态，所以A 值为 121n A -=- （9-3） “1”的个数（即不同位）D 为 12n D -= （9-4） 根据移位相加特性，m 序列｛a n ｝与移位｛a n －τ｝进行模2加后，仍然是一个m 序列，所以“0”和“1”的码元个数仍差1，由式（9-2）～（9-4）可得m 序列的自相关系数为 11(21)21() 0n n p p ρττ----==-≠时 （9-5） 当τ＝0时，因为｛a n ｝与｛a n －0｝的码序列完全相同，经模2加后，全部为“0”，即D=0，而A=P 。由式（9-2）可知 0 (0) 1 0p p ρτ-==时＝ （9-6） 因此，m 序列的自相关系数为 1 0()1 0,1,2,p τρτττ=?? =?-≠=?? …,p-1 （9-7） 下面通过实例来分析自相关特性 图9-3所示为4级m 序列的码序列发生器。假设初始状态为0001，在时钟脉冲的作用下，逐次移位。D 3⊕D 4作为D 1输入，则n ＝4码序列产生过程如表9-2所示。 模2加 信号输出 时钟 表9-2 4级m 序列产生状态表
系统辨识大作业 最小二乘法及其相关估值方法应用 学院：自动化学院 学号： 姓名：日期：
基于最小二乘法的多种系统辨识方法研究 一、实验原理 1.最小二乘法 在系统辨识中用得最广泛的估计方法是最小二乘法(LS)。 设单输入-单输出线性定长系统的差分方程为 (5.1.1) 式中:为随机干扰；为理论上的输出值。只有通过观测才能得到，在观测过程中往往附加有随机干扰。的观测值可表示为 (5.1.2) 式中:为随机干扰。由式(5.1.2)得 (5.1.3) 将式(5.1.3)带入式(5.1.1)得 (5.1.4) 我们可能不知道的统计特性，在这种情况下，往往把看做均值为0的白噪声。 设 (5.1.5) 则式(5.1.4)可写成 (5.1.6) 在观测时也有测量误差，系统内部也可能有噪声，应当考虑它们的影响。因此假定不仅包含了的测量误差，而且包含了的测量误差和系统内部噪声。假定是不相关随机序列(实际上是相关随机序列)。 现分别测出个随机输入值，则可写成个方程，即 上述个方程可写成向量-矩阵形式 (5.1.7) 设 则式(5.1.7)可写为
(5.1.8) 式中：为维输出向量；为维噪声向量；为维参数向量；为测量矩阵。因此式(5.1.8)是一个含有个未知参数，由个方程组成的联立方程组。如果，方程数少于未知数数目，则方程组的解是不定的，不能唯一地确定参数向量。如果，方程组正好与未知数数目相等，当噪声时，就能准确地解出 (5.1.9) 如果噪声，则 (5.1.10) 从上式可以看出噪声对参数估计是有影响的，为了尽量较小噪声对估值的影响。在给定输出向量和测量矩阵的条件下求系统参数的估值，这就是系统辨识问题。可用最小二乘法来求的估值，以下讨论最小二乘法估计。 2.最小二乘法估计算法 设表示的最优估值，表示的最优估值，则有 (5.1.11) 写出式(5.1.11)的某一行，则有 (5.1.12) 设表示与之差，即 - (5.1.13)式中 成为残差。把分别代入式(5.1.13)可得残差。设 则有 (5.1.14) 最小二乘估计要求残差的平方和为最小，即按照指数函数 (5.1.15) 为最小来确定估值。求对的偏导数并令其等于0可得 (5.1.16) (5.1.17)