شناسایی سیستمهای خطی بر مبنای پاسخ فرکانسی نویزی آنها

نویسنده

چکیده

در این مقاله الگوریتم جدیدی برای شناسایی1 سیستمهای خطی براساس پاسخ فرکانسی آنها ارائه شده است. در این روش، ابتدا با داشتن مقادیر اندازه و فاز تابع انتقال سیستم در تعداد محدودی از فرکانس، یک دستگاه معادله های خطی تشکیل می شود که چنانچه داده ها بدون خطا (نویز اندازه گیری) باشند و درجۀ صورت و مخرج تابع انتقال از پیش مشخص باشد، یک جواب منحصر به فرد و دقیق حاصل می شود. در غیر این صورت برای هر درجۀ انتخابی برای صورت و مخرج، یک تابع انتقال قابل قبول برای آن درجات حاصل می شود. در حالتی که داده ها دارای نویز اندازه گیری (با خطای نسبی بیشینۀ از پیش مشخصی) باشند،مسئله دارای یک مجموعه جوابهای قابل قبول می شود که هرکدام از اعضای آن دارای یک طیف نویزی مجاز است که کاملاً داده های مسئله را می-پوشاند. برای این کار، نخست با تعریف یک تابع هزینه جدید تحت عنوان کمترین مجموع مربعات فاصله در فضای ضرایب و کمینه کردن آن، تابع انتقال گویای اولیه ای به دست می آید که پاسخ فرکانس آن به طور بهینه از بین نقاط داده شده می گذرد. سپس با استفاده از تکنیک برنامه نویسی پویا2، اقدام به کاهش اثر نویز داده ها کرده به طوری که در هر مرحله تابع انتقال به دست آمده به سمت یکی از توابع انتقال قابل قبول برای سیستم واقعی (بدون نویز) رانده می شود. ضمناً، با استفاده از دو مثال، نشان داده شده است که امکان استفاده از این روش برای شناسایی سیستمهای ناپایدار و/ یا غیر مینیمم فاز نیز وجود دارد.

عنوان مقاله [English]

System Identification Based on Frequency Response Noisy Data

نویسنده [English]

  • M. Sobhani and A. A. Tabesh
چکیده [English]

In this paper, a new algorithm for system identification based on frequency response is presented. In this method, given a set of magnitudes and phases of the system transfer function in a set of discrete frequencies, a system of linear equations is derived which has a unique and exact solution for the coefficients of the transfer function provided that the data is noise-free and the degrees of the numerator and denominator are selected correctly. If the data is corrupted with (bounded) noise, then the answer is no longer unique and an acceptable transfer function is one that has a frequency response with a noise bound that covers the noisy data. To find one of these acceptable results, a new performance index is defined as “the least squares distance in the coefficient space”. By minimizing this index, an initial transfer function is obtained which passes optimally through the noisy data. Then, using the so-called dynamic programming technique, the noise is reduced in such a way that at each step the resulting transfer function is pushed toward one of the acceptable noise free systems. An illustrative example shows the effectiveness of the proposed algorithm.

ارتقاء امنیت وب با وف ایرانی