[发明专利]一种基于迭代学习跟踪微分器的微分信号提取方法

说明书

本发明公开了一种基于迭代学习跟踪微分器的微分信号提取方法，所述迭代学习跟踪微分器被配置为：采用低带宽的低通滤波器作为基本滤波器，将基于时间维的一维跟踪微分器扩展为基于时间维和迭代维的二维跟踪微分器；输入采样信号数据，将采样信号数据按照时间序列方式存储，定义并保存至少一个完整的数据窗口，当采样信号数据的个数小于数据窗口的长度时，采用一维跟踪微分器的时域TD算法提取采样信号数据的微分，当采样信号数据的个数不小于数据窗口的长度时，扩展到二维跟踪微分器进行迭代计算；本发明具有更好的抗噪声能力和跟踪性能，实现从含噪声的信号中快速和高效地提取测量信号及其微分信号，提高微分信号的光滑性。

技术领域

本发明涉及采样信号微分提取的技术领域，尤其是指一种基于迭代学习跟踪微分器的微分信号提取方法。

背景技术

数字控制是当今自动控制系统的主流方式，信号的数据采集是数字控制的基础。采集到的数字信号后，对这些数字信号的进行处理从而实现系统的建模、预测和控制。在系统的建模、预测和控制中，求取信号的微分是非常重要的信号处理过程。现有的通过信号的增量与发生该增量所需时间之比来求出信号的微分的方法非常容易受到采集信号中噪声的影响，由于求取微分增量改变所需的时间比较小，而噪声引起增量的变化可能很大，微分器变成了噪声放大器，有用的微分信号完全可能淹没在噪声中。

跟踪微分器采用一个二阶或者高阶积分串联系统来建立信号之间的微分模型，然后采用信号跟踪和反馈控制的方法来求取信号的微分，该方法具有较好的抗噪声能力，能够得到比较光滑的微分信号。跟踪微分器有线性跟踪微分器和非线性跟踪微分器，最速跟踪微分器是一种特殊的非线性跟踪微分器。在线性跟踪微分器中，存在抗噪声能力和跟踪能力相矛盾的现象，当要求增强跟踪能力时，要加大线性跟踪微分器的增益或者带宽，但是增加增益或者带宽会降低跟踪微分器的抗噪声能力；对于具有非线性特性的最速跟踪微分器，其边界层与噪声的大小有关，抗噪声能力在噪声较大的场合需要特殊设计，边界层的参数难整定。因此，需要一种在抗噪声能力不变或者只是稍微降低的情况下，却能极大提高跟踪性能的新型跟踪微分器。

发明内容

本发明的第一目的在于为解决现有技术中的不足，提供了一种基于迭代学习跟踪微分器的微分信号提取方法，把现有的跟踪微分器从一维扩展到二维，得到一种迭代学习跟踪微分器，可以在保持良好的抗噪声能力的同时，提高跟踪性能，从而得到原输入信号的高质量微分信号。

本发明的第二目的在于提供一种非暂时性计算机可读介质。

本发明的第三目的在于提供一种计算设备。

本发明的第一目的通过下述技术方案实现：一种基于迭代学习跟踪微分器的微分信号提取方法，所述迭代学习跟踪微分器被配置为：

采用低带宽的低通滤波器作为基本滤波器，将基于时间维的一维跟踪微分器扩展为基于时间维和迭代维的二维跟踪微分器；

所述微分信号提取方法包括以下步骤：

S1、初始化迭代学习跟踪微分器参数；

S2、输入采样信号数据，将采样信号数据按照时间序列方式存储，定义并保存至少一个完整的数据窗口，当采样信号数据的个数小于数据窗口的长度时，采用一维跟踪微分器执行步骤S3；当采样信号数据的个数不小于数据窗口的长度时，把一维跟踪微分器扩展到二维跟踪微分器的形式，执行步骤S4；

S3、采用时域TD算法提取采样信号数据的微分后，执行步骤S6；

S4、根据采样信号数据的个数与数据窗口长度关系来调整预设的迭代次数Nv 的大小后，初始化迭代次数j=1；