توضیحات
An affine projection-based algorithm for identification of nonlinear Hammerste in system
یک الگوریتم شناسایی بر اساس تصویر سازی برای سیستمهای همرشتاین غیر خطی
مقدمه:
سیستمهای همرشتاین غیر خطی نوعی از فیلترهای غیر خطی هستند که در آنها یک سیستم غیرخطی بدون حافظه قبل از یک سیستم دینامیکی خطی قرار میگیرد (شکل زیر). این سیستمها در مدلسازی مسایل پردازش سیگنال کاربرد فراوانی دارد.
شناسایی سیستمهای همرشتاین شامل روشهای غیر پارامتری و پارامتری میباشد. بیشتر روشهای ارائه شده برای شناسایی غیر تطبیقی هستند و اکثرا نتیجه خود را به صورت کمترین مربعات خطا بیان نمیکنند.
در این مقاله هدف ما عبارت است از:
- شناسایی سیستمهای همرشتاین به صورت تطبیقی بر اساس روش تصویر سازی، بدون نیاز به خطی سازی سیستم و یا داشتن دانشی در مورد ورودی سیستم.
- یافتن مرزی برای پارامتر گام در الگوریتم تطبیقی برای پایداری BIBO.
- بدست آوردن یک رابطه برای عملکرد متوسط مربعات خطا در الگوریتم ارائه شده بر اساس اصل پایداری انرژی.
بیان مساله
بیان مسئله بصورت کامل با روابط در گزارش کار تشریح شده است.
مثال شبیه سازی
در این پروژه یک سیستم همرشتاین را برای بررسی عملکرد الگوریتم در نظر میگیریم. سیستم مذکور دارای قسمت خطی به صورت زیر است: …
همچنین برای قسمت غیر خطی چند جملهای زیر را در نظر میگیریم: …
خروجی این سیستم با نویز سفید به گونهای آغشته میشود که دارای SNR برابر 30dB باشد.
ورودی سیستم را یک بار نویز سفید با میانگین 0 و واریانس 1 در نظر میگیریم ویک بار نویز رنگی که در آن از فیلتر زیر برای نویز سفید استفاده شده است:
مقدار گام را با توجه به رابطه (53) برابر مقدار ثابت 1.674e-7 در نظر میگیریم.
همچنین مقدار که فاکتور فراموشی نام دارد را برابر 0.995 در نظر میگیریم.
پیاده سازی الگوریتم در Matlab
این قسمت در گزارش کار بصورت کامل تشریح شده است.
نتایج شبییه سازی با متلب
با اجرای برنامه ها برای ورودی نویز سفید و رنگی، دو نمودار زیر رسم میگردد:
همانطور که دیده میشود خطای پارامترها با پیشرفت تکرارها به سمت 0 میرود که نشان از موفقیت الگوریتم در شناسایی پارامترها دارد.
همچنین برای هر دو ورودی میبینیم که همگرایی الگوریتم با افزایش Q سریعتر میگردد.
همچنین با اجرای برنامه برای MSE تئوری نمودار زیر رسم میشود:
همانطور که دیده میشود، MSEهای واقعی و تئوری با پیشرفت تکرارها به هم نزدیک میشوند.
یک مثال عملی
الگوریتم ارائه شده بر روی یک مثال عملی نیز پیاده سازی شده. این الگوریتم برای شناسایی یک مدل برای دینامیک رفلکس کشش در ماهیچه انسان استفاده شده است.
با انتخاب مرتبه 8 برای قسمت خطی و مرتبه 5 برای قسمت غیر خطی، خطای آموزش الگوریتم در شکل زیر قابل مشاهده است (شکل از اصل مقاله است و به علت نبود دادهها شبیه سازی نشده اند).
, پروژه متلب, پروژه matlab , شبیه سازی با متلب
Adaptive signal processing, System identification, Parametric methods, Nonlinear systems, Hammerstein systems, Wiener systems, Volterra system
شبیه سازی
An affine projection-based algorithm for identification of nonlinear Hammerste in system
به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،.
با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
