系统辨识大牛Ljung编写的MATLAB系统辨识使用手册
系统辨识大牛Ljung编写的MATLAB系统辨识使用手册，这本书详细地介绍了在MATLAB已经所属simulink环境下，系统辨识工具箱的一些使用办法，是一本非常经典的教材！Revision Historypril 1988First printingJuly 1991Second printingMay1995Third printingNovember 2000 Fourth printingRevised for Version 5.0(Release 12)pril 2001Fifth printingJuly 2002Online onlyRevised for Version 5.0.2 Release 13)June 2004Sixth printingRevised for Version 6.0.1(Release 14)March 2005Online onlyRevised for Version 6.1.1Release 14SP2)September 2005 Seventh printingRevised for Version 6.1.2(Release 14SP3)March 2006Online onlyRevised for Version 6.1.3(Release 2006a)September 2006 Online onlyRevised for Version 6.2 Release 2006b)March 2007Online onlyRevised for Version 7.0 ( Release 2007a)September 2007 Online onlyRevised for Version 7.1 (Release 2007bMarch 2008Online onlyRevised for Version 7.2(Release 2008a)October 2008Online onlyRevised for Version 7.2.1 Release 2008b)March 2009Online onlyRevised for Version 7.3(Release 2009a)September 2009 Online onlyRevised for Version 7.3.1(Release 2009b)March 2010Online onlyRevised for Version 7. 4 (Release 2010a)eptember2010 Online onlyRevised for Version 7.4.1(Release 2010b)pril 2011Online onlRevised for Version 7.4.2(Release 2011a)September 2011 Online onlyRevised for Version 7.4.3(Release 2011b)March 2012Online onlyRevised for Version 8.0( Release 2012aabout the DevelopersAbout the Developersystem Identification Toolbox software is developed in association with thefollowing leading researchers in the system identification fieldLennart Ljung. Professor Lennart Ljung is with the department ofElectrical Engineering at Linkoping University in Sweden. He is a recognizedleader in system identification and has published numerous papers and booksin this areaQinghua Zhang. Dr. Qinghua Zhang is a researcher at Institut Nationalde recherche en Informatique et en Automatique(INria) and at Institut deRecherche en Informatique et systemes Aleatoires (Irisa), both in rennesFrance. He conducts research in the areas of nonlinear system identificationfault diagnosis, and signal processing with applications in the fields of energyautomotive, and biomedical systemsPeter Lindskog. Dr. Peter Lindskog is employed by nira dynamiAB, Sweden. He conducts research in the areas of system identificationsignal processing, and automatic control with a focus on vehicle industryapplicationsAnatoli Juditsky. Professor Anatoli Juditsky is with the laboratoire JeanKuntzmann at the Universite Joseph Fourier, Grenoble, france. He conductsresearch in the areas of nonparametric statistics, system identification, andstochastic optimizationAbout the developersContentsChoosing Your System Identification ApproachLinear model structures1-2What Are Model objects?Model objects represent linear systemsAbout model data1-5Types of Model objectsDynamic System Models1-9Numeric Models1-11umeric Linear Time Invariant (LTD Models1-11Identified LTI modelsIdentified Nonlinear models1-12Nonlinear model structures1-13Recommended Model Estimation Sequence1-14Supported Models for Time- and Frequency-DomainData,,,,,,,1-16Supported Models for Time-Domain Data1-16Supported Models for Frequency-Domain Data1-17See also1-18Supported Continuous-and Discrete-Time Models1-19Model estimation commands1-21Creating Model Structures at the command Line ... 1-22about system Identification Toolbox Model Objects ... 1-22When to Construct a Model Structure Independently ofEstimation1-23Commands for Constructing Model Structures1-24Model Properties1-25See als1-27Modeling Multiple-Output Systems ......... 1-28About Modeling multiple-Output Systems1-28Modeling Multiple Outputs Directly1-29Modeling multiple outputs as a Combination ofSingle-Output Models.......1-29Improving Multiple-Output Estimation Results byWeighing Outputs During Estimation ....... 1-30Identified linear Time-Invariant models1-32IDLTI Models1-32Configuration of the Structure of Measured and Noise oRepresentation of the Measured and noise Components foVarious model Types1-33Components ....1-35Imposing Constraints on the Values of ModeParameters1-37Estimation of Linear models1-8Data Import and Processing2「Supported Data ...2-3Ways to Obtain Identification DataWays to Prepare Data for System Identification ... 2-6Requirements on Data SamplingRepresenting Data in MATLAB Workspace·····Time-Domain Data Representation2-9Time-Series Data Representation2-10ContentsFrequency-Domain Data Representation ....... 2-11Importing Data into the Gui2-17Types of Data You Can import into the GUi2-17Importing time-Domain Data into the GUI2-18Importing Frequency-Domain Data into the GUI2-22Importing Data Objects into the GUI ......... 2-30Specifying the data sampling interval2-34Specifying estimation and validation Data2-35Preping data Using Quick StartCreating Data Sets from a Subset of Signal Channelo2-362-37Creating multiexperiment Data Sets in the gUi2-39Managing data in the gui ............. 2-46Representing Time- and Frequency-Domain Data Usingiddata object2-55iddata constructor2-55iddata Properties.........2-58Creating Multiexperiment Data at the Command Line .. 2-61Select Data Channels, I/O Data and Experiments in iddataObjects2-63Increasing Number of Channels or Data Points of iddataObjects2-67Managing iddata Objects2-69Representing Frequency-Response Data Using idfrdObiec2-76idfrd Constructor2-76idfrd Properties2-77Select I/o Channels and Data in idfrd Objects ..... 2-79Adding Input or Output Channels in idfrd Objects2-80Managing idfrd Objects2-83Operations That Create idfrd Objects2-83Analyzing Data quality2-85Is your data ready for modeling?2-85Plotting Data in the guI Versus at the command line2-86How to plot data in the gui2-86How to plot data at the command line2-92How to Analyze Data Using the advice Command2-94Selecting Subsets of Data2-96IXWhy Select Subsets of Data?2-96Extract Subsets of Data Using the GUI2-97Extract Subsets of data at the Command Line2-99Handling Missing Data and outliers2-100Handling missing data2-100Handling outliers2-101Extract and Model Specific Data Segments2-102See also2-103Handling offsets and Trends in Data2-104When to detrend data2-104Alternatives for Detrending Data in GUi or at theCommand-Line2-105Next Steps After detrending2-107How to Detrend Data Using the Gui2-108How to detrend data at the Command line2-109Detrending Steady-State Dat109cending transient Dat2-109See also2-110Resampling Data2-111What Is resampling?...,,.,,,,,,,,,,,.2-111Resampling data without Aliasing Effects2-112See also2-116Resampling data Using the GUi.,,,,2-117Resampling Data at the Command line2-118Filtering Data2-120Supported Filters2-120Choosing to Prefilter Your Data2-120See also2-121How to Filter Data Using the gui2-122Filtering Time-Domain Data in the GuI........ 2-122Content
- 2020-12-11下载
- 积分：1
信号稀疏表示理论及其应用
信号稀疏表示理论及其应用信号稀疏表示理论及其应用郭金库刘光斌余志勇吴瑾颖著斜学出版社北京内容简介信号稀疏表示是一种新兴的信号分析和综合的方法,吸引了研究者的大量关注,同时被应用到信号处理的许多方面,如非平稳信号分析,信号编码、识别与信号去噪,压缩感知,盲源分离等。信号稀疏表示方向的研究热点主要集中在稀硫分解算法、过完备原子字典和稀硫表示的应用等方面。本书在介绍国内外该研究方向研究进展的基础上,重点介绍了作者在稀疏分解快速算法、色散原子字典,稀疏表示在线性调频信号参数估计以及电磁兼容测试信号处理等方面的研究成果。本书可供从事信号与信息处理信号表示、非平稳信号分析等方面工作的科研工作人员和研究生学习、研究使用图书在版编目CIP)数据信号稀疏表示理论及其应用/郭金库等著,一北京:科学出版社2013IsBN978-7-03-038209-2Ⅰ.信…Ⅱ郭…Ⅲ.信号处理Ⅳ.TN91.7中国版本图书馆CP数据核字(2013)第171727号责任編辑:魏英杰杨向萍/责任校对:桂伟利责任印制:张倩/封面设计:陈敬荦幽社出版北京东黄城根北街16号邮政编码:10717http://www.sciencep,com此象通州皇家印刺厂印刷科学出版社发行各地新华书店经销2013年7月第一版开本:720×1000B52013年7月第一次印刷印张:91/4字数:176000定价:50.00元(如有印装质量问题,我社负责调换(科印〉)前言信号稀疏表示是过去近20年来信号处理界一个非常引人关注的硏究领域,众多硏究论文和专题研讨会表明了该领域的蓬勃发展。信号稀疏表示的目的就是在给定的过完备字典中用尽可能少的原子来表示信号,可以获得信号更为简洁的表示方式,从而使我们更容易地获取信号中所蕴含的信息,更方便进一步对信号进行加工处理,如压缩、编码等。信号稀疏表示方向的研究热点主要集中在稀疏分解算法、过完备原子字典和稀疏表示的应用等方面。本书在介绍国内外该方向研究进展的基础上,重点介绍作者在稀疏分解快速算法、色散原子字典及稀疏表示在线性调频信号参数估计等方面的研究成果。全书共分为6章。第1章为绪论,在回顾传统的非平稳信号分析方法的基础上引出信号稀疏表示的基本思想,并介绍稀疏表示理论的发展历程和研究现状。第2章首先给岀稀疏逼近和稀疏表示的定义,然后简要介绍常用的稀疏分解算法和时频原子字典,最后介绍一种利用稀疏表示结果构造的时频分布。第3章利用 Gabor原子特点,构造一种随信号或分解残留信号自适应变化的 Gabor子字典,提出基于自适应 Gabor子字典的匹配追踪算法并证明了算法的收敛性。进一步,基于离散自适应 Gabor子字典提出相应的匹配追踪快速算法并分析了计算复杂度。最后利用数值实验结果验证了提出的方法与传统的匹配追踪算法具有相同的计算精度。第4章为了描述色散信号,利用色散关系或者近似色散关系设计出能够描述色散特性的原子,并构造色散原子字典。针对类似色散原子这种瞬时频率随时间非线性变化的时频原子,给出一种非负、无交叉项的能量时频分布。第5章研究信号稀疏表示在线性调频信号的参数估计及线性时不变系统辨识中的应用。第6章探讨信号稀疏表示在电磁兼容现场测试信号处理方面的应用。本书的很多研究成果是在清华大学自动化系邹红星教授的指导和信号稀疏表示理论及其应用帮助下完成的,这为本书的写作打下了坚实的基础。同时,第二炮兵工程大学的领导也一直关心和支持作者的课题研究,尤其是本书的出版得到了第二炮兵工程大学控制工程系的直接支持和帮助。在本书出版之际谨向他们表示衷心的感谢!另外,借此杋会特别感谢第二炮兵工程大学控制工程系以及清华大学自动化系的周志杰、苏娟、郜震宵、杨晓君、王榕、马竞伟、俞力杰、刘冰、汪洪桥、胡来红、孙振生、席建祥等老师和同学的帮助。本书的出版得到了国家自然科学基金项目(61201120)、中国博士后科学基金(2012M521904)和第二炮兵工程大学创新性探索项目的资助。作者2年6月目录前言第1章绪论1.1非平稳信号分析方法·1.2基于基分解的线性时频表示1.2.1傅里叶变换1.2.2短时傅里叶变换………1124561.2.3小波变换1.2.4基分解的不足·1.3经典的时频分布101.3.1 Wigner- ville分布……101.3.2 Cohen类时频分布……1.4稀疏表示方法121.4.1稀疏的就是更优的121.4.2稀疏表示理论的发展141.4.3稀疏表示的应用………………………191.5本书的结构安排……21第2章信号的稀疏表示…222.1稀疏逼近与稀疏表示222.2常用的稀疏分解算法242.2.1框架算法………252.2.2匹配追踪算法262.2.3基追踪算法262.2.4稀疏分解算法的信号精确重构条件∵272.3时频原子字典…………………282.3.1 Gabor原子字典…282.3.2 Chirplet字典………………………29信号稀疏表示理论及其应用2.3.3 FMm let字典………292.3.4 Dopplerlet字典302.4稀疏表示与时频分布…302.5本章小结…34第3章自适应 Gabor子字典的匹配追踪算法363.Ⅰ稀疏分解与匹配追踪算法363.1.1基本的匹配追踪算法………………363.1.2正交匹配追踪算法……383.1.3匹配追踪算法的计算和存储瓶颈……403.2自适应 Gabor子字典…………443.3自适应子字典的匹配追踪算法收敛性493.4离散自适应子字典的匹配追踪快速算法3.5算法验证与实验…603.6应用GPU实现的匹配追踪算法…633.7本章小结··67第4章基于色散原子字典的信号稀疏表示…684.1稀疏表示与原子字典…694.2色散原子字典……………724.2.1稳态相位法4.2.2初始波形及色散原子734.2.3色散原子字典的构造754.2.4基于色散原子字典的稀疏表示…………764.3非负的无交叉项时频分布…804.3.1时频半仿射平面…804.3.2色散原子的非负、无交叉项的时频分布…834.4应用854.5本章小结…88第5章稀疏表示在线性调频信号参数估计及线性时不变系统辨识中的应用895.1基于稀疏信息的线性调频信号参数估计…895.1.1线性调频信号的参数估计89目录5.1.2线性调频率估计·955.1.3初始频率与结束频率估计985.1.4实验结果1005.1.5讨论1055.2稀疏分解在系统辨识中的应用…1065.2.1基于互功率谱的线性时不变系统辨识………1065.2.2匹配追踪算法的降噪原理1085.2.3利用稀疏分解进行线性时不变系统辨识1095.3本章小结…112第6章基于稀疏表示的电磁兼容测试信号处理技术………1136.1现阶段电磁兼容现场测试信号处理面临的难题…………1136.2国内外研究现状…1146.3稀疏表示在电磁兼容测试信号处理中的优势以及待解决的问题117参考文献119附录:自适应子字典的匹配追踪算法参考程序……133第1章绪论1.1非平稳信号分析方法信号的傅里叶变换和反变换实现了信号在时域和频域內的相互转换。傅里叶变换将信号分解为不同频率分量的线性组合,其结果可以告诉我们信号是由多少个正弦波叠加而成,以及相对的幅度。由于不能给出关于这些频率分量何时出现与何时消亡的时变信息,因此傅里叶变换比较适用于分析频率成分不随时间变化的平稳信号。但是,人们发现众多的实际信号却具有明显的非平稳特征。信号的平稳性或非平稳性主要是根据信号的统计量特征来衡量。常用的统计量包括均值(一阶统计量)、相关函数与功率谱密度(二阶统计量),以及高阶矩与高阶谱等(高阶统计量)。若信号的联合分布函数相对于时间是不变的,即信号的各阶统计量与时间无关,则称信号是平稳信号。若信号某阶统计量随时间变化,则称信号为非平稳信号或者时变信号,2。现实世界中存在着各种频率随时间变化的信号,如人类的声音、动物的叫声雷达和声呐信号、生物医学信号等。这些信号都是典型的非平稳信号,它们共同的特点都是持续时间有限,并且自相关函数或功率谱密度是随时间变化的。当研究和处理非平稳信号时,传统的傅里叶变换不能提供对信号频谱时变特征的有效分析和处理,也就是说,频谱和功率谱并不能清楚地描述信号的某个频率分量出现的具体时间及变化趋势。非平稳信号分析与处理是现代信号处理的一个重要研究内容和发展方向,在通信、雷达、信息对抗、自动控制、模式识别、水声、地震勘测和生物医学工程等领域有着广泛应用24。非平稳信号分析方法可以分为线性时频表示、非线性时频分布和信号的稀疏表示(图1-1)。假设信号为几个分量信号的线性组合,如果信号的时频表示也可以表示为这几个分量时频表示的相同线性组合,则这种时频表示称为线性时频表示;否则,称为非线性时频表示,2。传统意义上的线性时频表示通
- 2021-05-06下载
- 积分：1
