响应曲面法与设计
响应曲面法与设计，原理及实际的操作应用，对选用该法做实验的同学比较受用！7050等高当前运线图行条件最人值7D60504010040120x,=温度(C]160(10x2=压强si的162响应曲面的等高线图∑x,+∑Rnx+∑(16-2)几乎所有的RSM问题都用这些近似多项式中的一个或多个。当然,一个多项式模型在自变量的整个空间上是真实函数关系的合理的近似式是不可能的,但在-个相对小的区域内通常做的很好。第15章讨论的最小乘方法可用来估计近似多项式的参数然后在拟合曲面上儆嘀应曲面分析,如果拟合曲面是真实响应函数的个合适的近似式,则拟合曲面的分析就近似地等价于实际591系统的分析。如果能怜当地利用实验设计来收集数据,就能够最有效地估计模型参数。关于拟合响应曲面的设计叫做响应曲面设计。在16-4节中讨论这些设计RSM是一序贯方法。通常,当我们是在响应曲面相应的自变量区域内的某个点时,例如,像图162中当前运行条件那样的点,在此点处系统具有微小的弯曲,从而用一阶模型是恰当的。现在,我们的目的是要引导实验者快速而有效地到达最优点所在的邻近区域。一旦最优点的区域被找到,就可以用更精细的模型,例如阶模型并进行分析以便确定最优点的位置。由图162见出,响应曲面的分析法可以想像为“爬”一样,山顶代表响应的最大值点。如果真实的最优点是啊应的最小值点,则可设想为“落进山谷”。RSM的最终目的是确定系统的最优运行条件或确定因素空间中满足运行规范的区域。RSM主要不是用来了解系统的实际机制的,尽管RSM有助于得到这类知识。还有,RSM的“最优”是按特定的意义使用的。RSM的“爬山”方法只能保证收敛于局部的最优点162最速上升法系统最优运行条件的初步估计常常远离实际的最优点。在这种情况下实验者的目的是要快速地进入到最优点的附近区域。我们希望利用又简单又经济有效的实验方法。当远离最优点时,通常假定在x的一个小区域范围内一阶模型是真实曲面的合适近最速上升法是沿着最速上升的路径,郡响应有最大增量的方向逐步移动的方法。当然,如果求的是最小值,则叫做最速下降法。拟合的一阶模型是592·y=Rn+∑R;x与一阶响应曲面相应的y的等高线,是一系列平行的直线,如图l6-3所示。最速上升的方向就是y增加得最快的方面。这一方向一阶拟合响应最速上升路径曲面的区域=夕-20y-3图16-3--阶响应曲画的等高线与最速土升路径平行于合响应曲面等高线的法线方向。通常取通过所感兴趣的区城的中心并且垂直于拟合曲面等高线的直线为最速上升路径这样一来,沿着路径的步长就和回归系数{P}成正比。实际的步长大小是由实验者根据工序知识或其他的实际考虑来确定的实验是沿着最速上升的路径进行的直到观察到的响应不再593◆增加为止。然后,拟合一个新的一阶模型,确定-·条新的最速上升路径、继续按上述方法进行。最后,实验者到达最优点的附近区域。这一点,通常由一阶模型的拟合不足来指出。这时,进行如16-3节所述的添加的实验,会求得最优点的更为精确的估计例t6位化学工程帅要确定使化工产品收率最大的运行条件。影响收率的两个可控变量是:反应时和反应温度。工程师当前使用的运行条件是反应时同为35分钟,温度为155F,收率约为40%。因为此区域不大可能包含最优值←她拟合-阶模型并应用最速上升法。程师决定拟合一阶模型的探测区域应是反应时间为(30,40)分钟和(150,160)°F。为简化计算,将自变量规范在(-1,1)区间内。于是,如果记尔为自然时间变量,与:为自然温度变量,则规范变量是5155数据如表161所水。用来收集这些数据的设计是增加五个中心点的22析因设计,在中心点处的重复观察值是用来估计实验误差的,并可以用来检阶模型的适合性。还有,过程的当前运行条件也就在设计的中心点处用最小二乘法将一阶模型来拟合这些数据。用第15章的方法,求得以规范变量表示的下列模型y=49,44+0.775x1+0.325x2在沿着最速上升路径探测之前,应研究-阶模型的适合性。有中心点的22设计允许实验者去做1.求出误差的个估计量2.检测模型的交互作用(交叉乘积项3检测二次效应(弯曲性)。中心点处的重复观察值可月来计算误差的估计量如下:(40.3)2+(40.5)2+(49.7)2+(40,2)2+(40.6)2=(202.3)2/50.0430594表16-1拟會一阶模型的过程数据首然变量规范变量响应了1301539.3301604u.(小01504U.9404J.53543.335010.5351534(.了35l5544.235l554〔.6阶模型假定变量r2和x2对响应有可加的效应。变量间的交互作用可用增加于模型的交叉乘积项x2的系数12来度量。此系数的最小二乘估计恰好是按普通22析因设计算得的交作用效应的二分之一,或B=1[(1×3.93)÷(1×41-5)+(-1×40.0)+(-1×40.9-0。1)0.025单自由度的交可作用平方和是SS交互作甲〔.02比较SS炊作用和。给出下刘拟合个足统计量:交五卡0.0250.0430=0058与F…进行比较。显然.交可作用是不显著的对直线模型适合性的另一个检测是比较设计的析因部分的四个点处的平均响应,即y=40,425、和在设计的中心点处的平均响应,即兴=40.46如果设计于弯曲的曲面上·则yr-y是曲面的总弯曲性的度量。如果月1与A2“纯二次”项x与x的系数,则y-y是A1+R的一个估计量。在我们的例中,纯二次项的个估计量是B1:+B40.425—40.460.35与零假设H:1+P2=0有关的单自由度的平方和是tf(÷)(5)(-优35)24+027其中7利n分别是析因部分的点数和中心点数。因F0,0027。063〔.0430将它与F、,比较。没有显示出纯二次项的影响。此模型的方差分析概括在表15-2中。交互作用和弯曲性的检测都是不显菩的,前总回归的F检验是显著的。还有,月和P2的标准差是MS0.94300.10=1,24问归系数月和B2相对于它们的标准差都较大。在这一点上.我们没有理由怀疑阶模型的适合性要离开设计中心·点(x:=0,x2=0)—沿最速上升跸径移动,就要对沿x2方向每移动0.325个单位.我们将沿x1方向移动0.775个单位。于是,最速上升路径经过点(x1-0,xz=0)且斜率为0.325/0.775。工程师决定用5分钟反应时间作为基本步长。用与x1之间的关系式,知道5分钟反应时问等价于规范变量x1的步长为4x=1。因此,沿最速上升路径的步长是△x1-1.00和4x2=(0.325/0.775)△x;=042。L程师计算了沿此路径的点并观察了在这些点处的收率直至响应下降为止。其结果见表16-3,表中既列出了规范变量也列出了自然变量。虽然规范变量在数学上容易计算,但在过程运有中必须用自然变量。图16-4画出了沿最速上升路径的每一步处的收率图。直到第十步所观察到的响应都是增加的;但是,这以后的每·步收率都是减少的。因此,另一一个一阶模型应该在点(41=85,2=175)的附近区域进行拟合。596·衰L42一阶模型的方差分析变差来源平方和自由度均方西归(月1,A2)825:214412547.83残差0.1772(交互作用(0.自025)0.4025).058〔纯二次)U.0027)0.00270.053纯误差)0.⊥7200.0430总和3.002281%的显着性表16-3例16-1的最谅上升实验规范变量自然变量响应步长_巴原点351550.42原点+△1.0,42401574且,原点+2△2.000.8445ig42原点十343.001.2650原点+444.[0685563原点+5▲5.2.106016553.8原点+646-供2.526516759.9原点十7▲7.002.9470l6965.0原点+88.03.:6751710.4原点+9△78173原点+10419.420L75原点+11411.004.6290ITs76原点十12412.00549575.上个新的一阶模型在点〔51=85,52=175)附近拟合。探测的区域对与是[80,90],对2是[170,180],于是。规范变量是5979F0Z了456785t112步长图16-4例16-1中沿最速上升路径的收率对步长的图形35,-175再次用五个中心点的2设计。数据见表6-在。拟合表16-4的规范数据的一阶模型是y=:78,97+1.00x1+0.50x2此模型的方差分析,包括交作用和纯次项的检测,如表16-5所示。交可作用和纯次项的检测表明、阶模型不是合适的近似。真实曲的弯曲性指岄了我们已接近最优点。为更精确地确定最优点,在该点必须做进步的分忻2由例16-1见出,最速上升路径是和拟合的一阶模型598
- 2020-12-05下载
- 积分：1
张贤达的《高阶统计量信号处理方法》
高阶统计量分析方法是一种重要的非高斯信号分析方法，在此上传张贤达的这本书，希望对大家的学习有所帮助专题内容概述高阶统计量的定义、性质和估计155()高阶矩、高阶累积量及其谱·*·····“········““··“·(二)高阶累积量与高阶谱的性质三)高阶累积量与高阶谱的估计…......19、非最小相位系统的辨识21(一)基本问题21(二)MA系统的辨识.25(三)ARMA系统的辨识…135四、谐波恢复42()基本问题42()谐波恢复的高阶累积量方法……………·………43五、空间窄带信号源的波达方向估计()基本问题46(二)基于二阶统计量的DOA估计方法及其不足.147(三)基于高阶统计量的DOA估计方法53、概述高阶统计量( (Higher-order Statistics)是指比二阶统计量更高阶的随机变量或随机过程的统计量。二阶统计量有:〉随机变量(矢量):方差、协方差(相关矩)、二阶矩。随机过程:自相关函数、功率谱、互相关函数、互功率谱、自协方差函数等高阶统计量有:随机变量(矢量):高阶矩( Higher-order Moment),高阶累积量(Higher-order Cumulant)随机过程:高阶矩、高阶累积量、高阶谱( Higher- order Spectra,Polyspectra)。从统计学的角度,对正态分布的随机变量(矢量),用一阶和二阶统计量就可以完备地表示其统计特征。如对一个高斯分布的随机矢量,知道了其数学期望和协方差矩阵,就可以知道它的联合概率密度函数。对一个高斯随机过程,知道了均值和自相关函数(或自协方差函数),就可以知道它的概率结构,即知道它的整个统计特征。但是,对不服从髙斯分布的随机变量(矢量)或随机过程,一阶和二阶统计量不能完备地表示其统计特征。或者说,信息没有全部包含在一二阶统计量中,更高阶的统计量中也包含了大量有用的信息。高阶统计量信号处理方法,就是从非高斯信号的高阶统计量中提取信号的有用信息,特别是从一、二阶统计量中无法提取的信息的方法。从这个角度来说,高阶统计量方法不仅是对基于相关函数或功率谱的随机信号处理方法的重要补充,而且可以为二阶统计量方法无法解决的许多信号处理问题提供手段。可以亳不夸张地说,凡是使用功率谱或相关函数进行过分析与处理,而又未得到满意结果的任何问题,都值得重新试用高阶统计量方法。高阶统计量的概念于1889年提出。高阶统计量的研究始于六十年代初,主要是数学家和统计学家们在做基础理论的研究,以及针对光学、流体动力学、地球物理、信号处理等领域特定问题的应用研究。直到八十年代中、后期,在信号处理和系统理论领域才掀起了高阶统计量方法的研究热潮。标志性的事件有:1. K. S. Lii. m. rosenblatt "Deconvolution and Estimation of TransferFunction phase and Coefficients for non-Gaussian Linear processes AnnStatistcs, Vol, 10, pp. 1195-1208, 1982首次用高阶统计量解决了非最小相位系统的盲辩识问题。2.C.L. Nikias,M.R. Raghuveer的综述文章“ Bispectrum Estimation:ADigital Signal Processing Framework”在Proc.正EE发表,1987July3.1989、1991、1993、1995、1997、1999年举办了六届关于高阶统计量的信号处理专题研讨会(海军研究办公室,NSF, IEEE Control SystemSociety, IEEE ASSP Society, IEEE Geoscience and Remote sensingSociety4. IEEE Trans.onAC1990年1月专辑5. IEEE Trans, on AssP1990年7月专辑。6.J.M. Mendel的综述文章 Tutorial on Higher- Order statistics( Spectra)inSignal Processing and System Theory: Theoretical Results and SomeApplications”.Proc,正E,1991(主要是关于非最小相位系统辨识)。7.C.L. Nikias&A.P. Petropula的专著 Higher-order Spectral Analysis:ANonlinear Processing Framework,由 Prentice-Hall I1993出版。8. Signal Processing,19944月专辑。9. Circuits, Systems, and Signal Processing,1994.6月专辑。高阶统计量方法已在雷达、声纳、通信、海洋学、电磁学、等离子体物理、结晶学、地球物理、生物医学、故障诊断、振动分析、流体动力学等领域的信号处理问题中获得应用。典型的信号处理应用包括系统辨识与时间序列分析建模、自适应估计与滤波、信号重构、信号检测、谐波恢复、图像处理、阵列信号处理、盲反卷积与盲均衡等。在信号处理中使用高阶统计量的主要动机可以归纳成四点1、抑制未知功率谱的加性有色噪声的影响。2、辨识非最小相位系统或重构非最小相位信号。自相关函数或功率谱是相盲的,即不包含信号或系统的相位信息。仅当系统或信号是最小相位时,二阶统计量的方法才能获得正确的结果。相反,高阶统计量既包含了幅度信息,又保留了信号的相位信息,因而可以用来解决非最小相位系统的辨识或非最小相位信号的重构问题。3、提取由于高斯性偏离带来的各种信息对于非高斯信号,其高阶统计量中也包含了大量的信息。对模式识别、信号检测、分类等问题,有可能从高阶统计量获得信号的显著分类特征,4、检测和表征信号中的非线性以及辨识非线性系统。如用来解决非线性引起的二次、三次相位耦合问题。参考资料:1、张贤达,《时间序列分析一高阶统计量方法》,清华大学出版社,1996。2、沈凤麟等,《生物医学随机信号处理》(第9章),中国科学技术大学出版社,1999。3 J M. Mendel. "Tutorial on Higher-order Statistics(Spectra) in SignalProcessing and Systems Theory: Theoretical Results and SomeApplications. Proc. IEEE, Vol. 79, pp. 278-305, 19914, C. L. Nikias A. P, Petropulu. Higher-order Spectral Analysis: ANonlinear Processing Framework. Prentice-Hall. 19935 C L. Nikias J. M. Mendel.Signal Processing with Higher-orderSpectra. IEEE Signal Processing Magazine, Vol 10, July, pp 10-37, 19936 C. L Nikias M. R Raghuveer." Bispectrum Estimation: A DigitalSignal Processing Firamewoork". Proc. IEEE, Vol. 75, pp. 869-891, 19877 P. A. Delaney d. O. Walsh. " A Bibliography of Higher-Order Spectraand Cumulants". IEEE Signal Processing Magazine, Vol 11 July, pp. 61-7019948、J.A. Cadzow.“ Blind Deconvolution via Cumulant Extrema”.IEEESignal Processing Magazine, Vol 13, No 3, pp 24-42, 1996www.ant,uni-bremen.edu.de/hoshome二、高阶统计量的定义、性质和估计(一)高阶矩、高阶累积量及其谱从随机变量→随机矢量→随机过程)1、随机变量的特征函数与累积量定义:设随机变量x具有概率密度fx),其特征函数定义为(s)=f()edx=Eel其中s为特征函数的参数。(可看作八x)的拉普拉斯变换)特征函数Φ(s)只是参数s的函数。对Φ)求k次导数,可得Φ^(s)=Exe因此(O)=E}=m也就是说)在原点阶导数等孩x阶筹k。因此,Φ(s)也称作矩生成函数(又叫第一特征函数)。矩生成函数可以唯一地、完全地确定一个概率分布。这可由矩生成函数唯一性定理阐明:定理:设F(x)和G(x)是具有相同矩生成函数的分布函数,即:e dF (x)= esdG(x)则F(x)=G(x)由矩生成函数可以定义随机变量κ的累积量生成函数(又叫第二特征函数)及累积量。定义:设随机变量x的矩生成函数为Φ(s),则函数H(s)=nΦ(s)称为x的累积量生成函数,而v()在原点的k阶导数dky(s)ds k0称为x的k阶累积量如果将s)和v展开成 Taylor级数,根据以上定义,就会有①(s)=1+m1S+m2S2+…+,,mkS+…k!(2+4+x12cmk!k1也就是说,x的k阶矩和累积量分别是其矩生成函数和累积量生成函数的Taylor级数展开中s项的系数。2、随机矢量的特征函数与累积量定义:令x=[x,x2,…,x是一随机矢量,且s=s,s2,…,sr,则随机矢量x的矩生成函数定义为Φ(S1SES11+2x2+…+Skxkl52为Ex的累积量生成函数定义为(S1,S2,…,Sk)=lnΦ(s1,x的(vy2…,w)阶矩和累积量分别定义为矩生成函数和累积量生成函数的Iayr级数展开中S1S2…S项的函数,即0Φ(S1,s2;…,s)ExVIS"Y(1521512skas1Os2…ask其中vko对v=V2=…=认=1的特殊情况,记随机矢量x的矩和累积量分别为mom(,,cum(Y1X我们下面将用它们来定义随机过程的高阶矩和累积量。3、随机过程的高阶矩和高阶累积量定义:设{x(n)}为k阶平稳随机过程,则该过程的k阶矩定义为ma(z1,z2,…,k-)=mom{x(n),x(n+),…,x(n+xk-1)}而k阶累积量定义为cs(1,z2,…,k-)=cum{x(m),x(nt+),…,x(n+tk1)}根据这一定义,平稳随机过程的k阶矩和k阶累积量实质上就是取x1=x(n),x2=x(n+a),…,x=x(n+k)之后的随机矢量[(n),x(n+z),…,
- 2020-12-03下载
- 积分：1
