[发明专利]一种适用于飞行器建模的混合鲁棒仿射投影系统辨识方法

说明书

本发明公开了一种适用于飞行器建模的混合鲁棒仿射投影系统辨识方法，包括以下步骤：S1.构建系统辨识器模型，输入信号经过系统得到输出信号作为预测值，并与期望输出信号作差，得到预测误差，并统计当前时刻之前多个时刻的误差向量；S2.根据统计得到的误差向量，使用混合鲁棒仿射投影方法来进行系统辨识器模型的参数更新；S3.重复步骤S1~S2进行迭代计算，直到满足收敛条件后，将得到的参数作为最终的模型参数，作为辨识结果。本发明利用鲁棒混合范数算法的损失函数求导结果，替换仿射投影符号算法的权重更新方向得到了新的权重更新方法，并在此基础上进行权重更新，直至满足收敛条件，能够有效降低非稳态环境下的影响，具有优异的辨识精度。

技术领域

本发明涉及系统辨识领域，具体是涉及一种适用于飞行器建模的混合鲁棒仿射投影系统辨识方法。

背景技术

系统辨识是自适应信号处理的一个重要分支，传统的自适应信道均衡、自适应噪声消除、自适应回声抵消、主动噪声控制等诸多问题都可以归结为系统辨识问题。系统辨识算法被广泛应用于信号处理领域的各种场景，如飞行器建模，信道均衡、滤波和反滤波、自适应均衡、控制器涉及等。

特别是在飞行器建模中，可以使用系统辨识对系统结构进行识别，即可以帮助研究人员选择合适的数学模型来描述对象。系统辨识即通过实验得到的输入输出数据，对模型中的未知参数进行辨识。比如在飞行器模型中，通过风洞试验得到数据然后通过系统辨识方法，得到飞行器的模型参数。在辨识得到飞行器的模型参数后，可以通过已知的输入数据对系统状态进行估计预测，还可以结合实测数据进行故障诊断等。

然而，在实际环境中，如：水下声学信号、低频大气噪声、各种类型的人为噪声等，经常会遇到一类振幅呈现冲动特性的信号或噪声。而且，这些冲动性噪声可以作为一种剧烈的外部干扰或离群点，使算法性能急剧恶化，甚至无法正常工作。

仿射投影算法(APA)在处理彩色输入时有很好的表现，它是用以前的多个输入信号更新权重。也有各种方法来提高APA的性能，如：可变步长(VSS)法，以及可变步长饱和仿射算法(VSS-sat-APA)等。近些年来，仿射投影符号算法(APSA)，仿射投影广义最大相关熵算法(APGMCA)和仿射投影鲁棒混合范数算法(APRMNA)在APA的基础上发展了起来，这些算法虽然有效地提高了鲁棒性，但其收敛速度和非稳态环境下应对系统突变的能力没有得到很大的提高。

发明内容

本发明的目的在于克服现有技术的不足，提供一种适用于飞行器建模的混合鲁棒仿射投影系统辨识方法，利用鲁棒混合范数算法的损失函数求导结果，替换仿射投影符号算法的权重更新方向得到了新的权重更新方法，并在此基础上进行权重更新，直至满足收敛条件，能够有效降低非稳态环境下的影响，具有优异的辨识精度。

本发明的目的是通过以下技术方案来实现的：一种适用于飞行器建模的混合鲁棒仿射投影系统辨识方法，包括以下步骤：

S1.构建系统辨识器模型，输入信号经过系统得到输出信号作为预测值，并与期望输出信号作差，得到预测误差，并统计当前时刻之前多个时刻的误差向量；

S2.根据统计得到的误差向量，使用混合鲁棒仿射投影方法来进行系统辨识器模型的参数更新；

S3.重复步骤S1～S2进行迭代计算，直到满足收敛条件后，将得到的参数作为最终的模型参数,作为辨识结果。

本发明的有益效果是：本发明利用鲁棒混合范数算法(RMNA)的损失函数求导结果，替换仿射投影符号算法(APSA)的权重更新方向得到了新的权重更新方法，并在此基础上进行权重更新，直至满足收敛条件，使得系统辨识器模型的预测输出与期望输出之间的差距小于设定阈值，能够有效降低非稳态环境下的影响，具有优异的辨识精度。

附图说明

图1为本发明的方法流程图；

图2为本发明在不同ζ值下的与其它系统辨识方法性能对比图；