[发明专利]系统辨识装置和方法以及记录有系统辨识程序的存储介质

说明书

本发明提供系统辨识装置、系统辨识方法、记录有系统辨识程序的存储介质。根据输入输出数据进行系统的高速实时辨识的系统辨识装置包括滤波器，所述滤波器通过作为评价基准将从干扰向滤波器误差的最大能量增益确定为抑制成比预先提供的上限值小，相对于干扰稳健。所述滤波器推定所述系统的状态的状态推定值。

相关申请的交叉参考

本申请基于2018年5月23日向日本特许厅提交的日本专利申请2018-098503号，因此将所述日本专利申请的全部内容以引用的方式并入本文。

技术领域

本公开的实施方式涉及系统辨识装置、系统辨识方法、系统辨识程序和记录有系统辨识程序的存储介质。特别是本公开的实施方式涉及用于高速、数字化且稳定地辨识大规模的音响系统或通信系统的系统辨识装置、系统辨识方法、系统辨识程序和记录有系统辨识程序的存储介质。

背景技术

系统辨识(system identification)是指基于输入输出数据来推定系统的输入输出关系的数学模型(传递函数或脉冲响应等)。作为代表性的应用例具有：国际通信中的回波消除器、数据通信中的自动均衡器、音响系统中的回波消除器、声场再现和有源噪声控制以及助听器等的反馈消除器。以往，作为系统辨识中的适应算法，广泛使用LMS(Least MeanSquare最小均方)算法、RLS(Recursive Least Square递归最小二乘方)算法和卡尔曼滤波器(Kalman filter)。一般来说，线性系统的输入输出关系以如下方式表示。

其中，u_k是输入，h_i是系统的脉冲响应，y_k是包含观测时的噪声v_k的输出。

详细情况如非专利文献1等所示。

1.LMS算法

LMS根据输入u_k和输出y_k以如下方式推定系统的脉冲响应x_k＝[h₀、…、h_N-1]^T。

其中，H_k＝[u_k、…、u_k-N+1]^T。μ(μ＞0)称为步长。此外，将由μ/(||H^T_k||²+δ)置换步长μ的算法称为NLMS算法。其中，δ是以即使无输入也使分母不为0的方式预先确定的正的常数。

2.RLS

RLS根据输入u_k和输出y_k，以如下方式推定系统的脉冲响应x_k＝[h₀、…、h_N-1]^T。

P_k＝(P_k-1-K_kH_kP_k-1)/ρ (5)

其中，看作P_o＝∈_oI，∈_o＞o的关系式。0是零向量。I是单位矩阵。此外，遗忘因子ρ满足0＜ρ≤1。(另外，“^”、“v”是指推定值，如数式表示，原本附在字符的正上方。其中，为了便于输入，它们有时记载在字符的右上方。以下相同)。

3.卡尔曼滤波器

由状态空间模型表示的线性系统