[发明专利]基于最小角回归的Hammerstein模型稀疏辨识方法

权利要求书

1.一种基于最小角回归的Hammerstein模型稀疏辨识方法，其特征在于，包括以下步骤：

S1：建立带有时滞的多输入单输出的Hammerstein模型；

S2：将所述带有时滞的多输入单输出的Hammerstein模型建立成稀疏参数辨识模型；

S3：收集输入输出数据，构造用于辨识的输出向量y和信息矩阵Φ；

S4：使用最小角回归法选择所述信息矩阵Φ中的信息向量Φ_k，使用模型选择准则设置选择停止的条件，根据选择出的信息向量Φ_k建立有效索引集Λ_k；

S5：使用所述输出向量y和信息向量Φ_k得到估计参数根据所述有效索引集Λ_k重构所述估计参数得到稀疏参数向量

S6：根据所述稀疏参数向量的稀疏结构估计所述带有时滞的多输入单输出的Hammerstein模型的阶次和时滞；

S7：从所述稀疏参数向量中分离参数的估计值，根据估计出的阶次和时滞、分离出的参数的估计值辨识所述带有时滞的多输入单输出的Hammerstein模型中的待辨识的系统参数。

2.根据权利要求1所述的基于最小角回归的Hammerstein模型稀疏辨识方法，其特征在于：所述带有时滞的多输入单输出的Hammerstein模型，具体为：

其中，y(t)为t时刻模型的输出，r为输入通道个数，u_i(t)为第i个输入通道的t时刻的模型输入，i＝1,…,r；n_a为输出回归项的阶次，a_i为输出自回归项的参数，m_i为第i个输入通道的非线性阶次，n_bi为第i个输入通道的线性阶次，h_i,j是待辨识的非线性系统参数，b_i,g为待辨识的线性系统参数，f_i,j()为非线性函数，d_i为未知时滞，v(t)为零均值白噪声。

3.根据权利要求2所述的基于最小角回归的Hammerstein模型稀疏辨识方法，其特征在于：所述将所述带有时滞的多输入单输出的Hammerstein模型建立成稀疏参数辨识模型，具体为：

引入最大非线性阶次p，p≥max(m_i)；引入输入数据回归长度l，l≥max(d_i+n_bi)；

将所述带有时滞的多输入单输出的Hammerstein模型写成向量形式，得到稀疏参数辨识模型为：

θ中，

其中，表示P维欧几里德空间，0_n表示含有n个零元素的行向量，b_i为第i个输入通道的线性部分的参数向量，b_i＝[b_i,1,b_i,2,…,b_i,g]^T,g＝1,2,...,n_bi；()^T表示向量或矩阵的转置。

4.根据权利要求3所述的基于最小角回归的Hammerstein模型稀疏辨识方法，其特征在于：所述收集输入输出数据，构造用于辨识的输出向量y和信息矩阵Φ，具体为：

收集离散时间t＝1,2,…,N时的输入输出数据，

构造所述输出向量y为：

构造所述信息矩阵Φ为：