Highly Efficient Identification Methods for Dual-Rate Hammerstein Systems
Highly Efficient Identification Methods for Dual-Rate Hammerstein Systems
复制标题
双速率 Hammerstein 系统的高效识别方法
DOI：
10.1109/tcst.2014.2387216
复制
发表时间：
2015-01
影响因子：
4.8
通讯作者：
Ding Feng
中科院分区：
文献类型：
--
作者：
Wang Dong-Qing;Liu Hua-Bo;Ding Feng
这简要关注双速率Hammerstein CARMA系统的参数识别。将多项式变换技术与递阶辨识原理相结合，将双速率非线性Hammerstein CARMA系统转化为双线性双速率辨识模型，并提出了一种递阶最小二乘算法来估计双线性双速率辨识模型的参数向量。利用关键项分离原理，将双速率非线性Hammerstein CARMA系统转化为线性双速率辨识模型，并提出了一种基于关键项分离的最小二乘算法来估计线性双速率辨识模型的参数向量。与以往的过参数化最小二乘法相比，这两种方法具有更高的计算效率，其中许多冗余参数需要估计。仿真结果表明了这两种算法的有效性。
This brief concerns parameter identification for a dual-rate Hammerstein CARMA system. By combining the polynomial transformation technique and the hierarchical identification principle, this brief transforms a dual-rate nonlinear Hammerstein CARMA system into a bilinear dual-rate identification model, and presents a hierarchical least squares algorithm to estimate the parameter vectors of the bilinear dual-rate identification model. Moreover, by using the key term separation principle, this brief transforms the dual-rate nonlinear Hammerstein CARMA system into a linear dual-rate identification model, and presents a key term separation based least squares algorithm to estimate the parameter vector of the linear dual-rate identification model. The two proposed methods possess higher computational efficiency compared with the previous over-parameterization least squares method in which many redundant parameters need estimating. The simulation results show the effectiveness of the two proposed algorithms.
登录
查看更多内容
一类多速率系统的基于最小二乘的迭代辨识
影响因子：
6.4
作者：
Liu, Xinggao;Lu, Jing
通讯作者：
Lu, Jing
影响因子：
5.4
作者：
N. Kalouptsidis;P. Koukoulas
通讯作者：
N. Kalouptsidis;P. Koukoulas
影响因子：
4.8
作者：
M. Aldhaifallah;D. Westwick
通讯作者：
M. Aldhaifallah;D. Westwick
DOI：
10.2478/v10187-011-0014-2
发表时间：
2011-03
期刊：
--
影响因子：
--
作者：
J. Vörös
通讯作者：
J. Vörös
DOI：
10.1016/j.automatica.2004.11.003
发表时间：
2005-04
期刊：
Autom.
影响因子：
--
作者：
A. Kalafatis;Liuping Wang;W. R. Cluett
通讯作者：
A. Kalafatis;Liuping Wang;W. R. Cluett