基于组合式信号源的块结构模型辨识方法 9787030503770 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

贾立 著

图书标签:

• 信号处理
• 系统辨识
• 组合信号源
• 块结构
• 模型辨识
• 自适应滤波
• 优化算法
• 控制理论
• 通信系统
• 数值分析

店铺： 韵读图书专营店

出版社： 科学出版社

ISBN：9787030503770

商品编码：30168112741

包装：平装

出版时间：2016-11-01

图书基本信息
图书名称	基于组合式信号源的块结构模型辨识方法	作者	贾立
定价	68.00元	出版社	科学出版社
ISBN	9787030503770	出版日期	2016-11-01
字数		页码
版次	1	装帧	平装
开本	128开	商品重量	0.4Kg

内容简介

复杂工业过程具有多变量、变量间非线性和强耦合等特点，且受多种不确定因素干扰导致难以建模，针对这一问题，《基于组合式信号源的块结构模型辨识方法》从块结构模型中间变量不可测量的角度出发，分析块结构模型各串联模块在不同激励信号作用下的特性，系统地提出复杂工业过程块结构非线性动态模型描述和辨识的新方法，主要包括采用神经模糊技术的串联模块建模方法、全新智能分离算法和模块参数辨识算法、利用补偿技术的块结构非线性动态系统过程噪声建模方法等，并利用过程理论分析和比较所提方法的性能。

作者简介

目录

目录 《智能科学技术著作丛书》序 前言 **部分 块结构模型 章 块结构模型概述 3 1.1 引言 3 1.2 静态非线性环节与动态线性环节的同步辨识法 4 1.2.1 过参数化法 4 1.2.2 子空间法 6 1.2.3 调制函数法 6 1.2.4 直接辨识法 7 1.3 静态非线性环节与动态线性环节的分步辨识法 8 1.3.1 迭代法 8 1.3.2 分离*小二乘法 9 1.3.3 多信号源法 10 1.3.4 盲辨识法 11 1.3.5 频域法 12 1.3.6 法 12 1.4 基于Hammerstein模型的控制系统设计 13 1.5 块结构模型研究中存在的关键问题 15 1.6 全书概况 16 参考文献 18 第二部分 基于二进制-复合信号源的块结构模型辨识方法 第2章 基于二进制-复合信号源的Hammerstein模型辨识方法 27 2.1 基于泰勒级数展开法的Hammerstein模型辨识 27 2.1.1 基于神经模糊的Hammerstein模型 27 2.1.2 基于神经模糊Hammerstein模型的辨识 30 2.1.3 实验结果 32 2.1.4 小结 41 2.2 基于Lyapunov方法的Hammerstein模型辨识 43 2.2.1 神经模糊Hammerstein模型 43 2.2.2 神经模糊Hammerstein模型辨识 44 2.2.3 实验结果 47 2.2.4 小结 54 参考文献 54 第3章 基于二进制-复合信号源的Hammerstein-Wiener模型辨识方法 56 3.1 基于二进制-复合信号源的Hammerstein-Wiener 模型 56 3.1.1 神经模糊Hammerstein-Wiener模型 57 3.1.2 神经模糊 Hammerstein-Wiener 模型各串联环节的分离 58 3.1.3 基于神经模糊Hammerstein-Wiener模型的控制系统 64 3.1.4 实验结果 64 3.1.5 小结 67 3.2 基于两阶段复合信号的Hammerstein-Wiener模型 68 3.2.1 基于两阶段复合信号的神经模糊Hammerstein-Wiener模型 68 3.2.2 实验结果 71 3.2.3 小结 73 参考文献 74 第4章 含过程噪声的块结构模型二进制-复合信号源辨识方法 76 4.1 基于辅助模型递推*小二乘法的Hammerstein模型 76 4.1.1 一类含过程噪声的Hammerstein模型 76 4.1.2 基于辅助模型递推*小二乘法的Hammerstein模型多信号源辨识方法 77 4.1.3 实验结果 79 4.1.4 小结 82 4.2 基于偏差补偿递推*小二乘法的Hammerstein-Wiener模型 82 4.2.1 一类含过程噪声的Hammerstein-Wiener模型 83 4.2.2 基于偏差补偿递推*小二乘法的Hammerstein-Wiener模型多信号源辨识方法 84 4.2.3 实验结果 87 4.2.4 小结 90 4.3 基于辅助模型多新息梯度法的Hammerstein模型 92 4.3.1 基于辅助模型多新息梯度法的Hammerstein模型多信号源辨识方法 92 4.3.2 实验结果 95 4.3.3 小结 98 参考文献 98 第三部分 基于可分离信号源的块结构模型辨识方法 第5章 基于可分离信号源的多输入多输出Hammerstein模型辨识方法 101 5.1 多输入多输出Hammerstein模型 101 5.2 基于可分离信号源的多输入多输出Hammerstein模型辨识 102 5.2.1 基于神经模糊的多输入多输出Hammerstein模型 102 5.2.2 基于可分离信号源的多输入多输出Hammerstein模型辨识 103 5.2.3 实验结果 109 5.2.4 小结 117 参考文献 117 第6章 含过程噪声的多输入多输出Hammerstein模型可分离信号源辨识方法 119 6.1 含过程噪声的多输入多输出Hammerstein模型辨识 119 6.1.1 含过程噪声的多输入多输出Hammerstein模型 119 6.1.2 含过程噪声的多输入多输出Hammerstein模型辨识 120 6.1.3 实验结果 124 6.1.4 小结 135 6.2 基于可分离信号的Hammerstein输出误差滑动平均系统辨识 136 6.2.1 Hammerstein输出误差滑动平均系统 136 6.2.2 神经模糊Hammerstein输出误差滑动平均系统辨识 137 6.2.3 实验结果 143 6.2.4 小结 146 参考文献 148 第7章 含过程噪声的Hammerstein-Wiener模型可分离信号源辨识方法 149 7.1 基于可分离信号的Hammerstein-Wiener模型辨识方法 149 7.1.1 神经模糊FIR Hammerstein-Wiener模型 149 7.1.2 神经模糊Hammerstein-Wiener模型辨识方法 150 7.1.3 基于Hammerstein-Wiener模型的控制系统设计 154 7.1.4 实验结果 154 7.1.5 结论 159 7.2 基于递推广义增广*小二乘法的Hammerstein-Wiener模型可分离信号源辨识 159 7.2.1 噪声干扰下的FIR Hammerstein-Wiener模型 159 7.2.2 基于递推广义增广*小二乘法的Hammerstein-Wiener辨识 160 7.2.3 实验结果 166 7.2.4 小结 170 参考文献 171

编辑推荐

结构模型（系统工程）,辨识

文摘

序言

《信号工程概论》 本书旨在系统介绍信号工程的基本原理、核心技术以及在现代工程领域中的广泛应用。作为一门跨学科的工程学科，信号工程涉及信息论、控制论、通信理论、计算机科学等多个领域，其研究对象——信号——是传递和处理信息的核心载体。理解和掌握信号的特性、变化规律以及处理方法，对于解决复杂的工程问题至关重要。 第一部分：信号基础理论 本部分将深入剖析信号的本质及其分类。首先，我们将界定信号的概念，明确其作为物理量或抽象信息载体的属性。随后，对信号进行系统性的分类，包括但不限于： 按时间域划分： 连续时间信号与离散时间信号。我们将详细阐述两者在数学模型、表示方法上的差异，以及它们在不同工程场景下的代表性例子，如模拟电路中的电压电流信号（连续）与数字系统中采集的采样数据（离散）。 按能量与功率划分： 能量信号与功率信号。我们会推导能量和功率的计算公式，并分析不同类型信号的能量和功率特性，例如周期信号通常是功率信号，而非周期信号可能是能量信号。 按周期性划分： 周期信号与非周期信号。我们将介绍傅里叶级数分析周期信号的频谱特性，以及傅里叶变换分析非周期信号的频谱特性，揭示信号在频域的表现形式。 按奇偶性划分： 奇信号与偶信号。分析它们的对称性，以及在傅里叶变换等处理中的简化作用。 按确定性划分： 确定性信号与随机信号。前者可以通过数学模型精确描述，后者则需要借助概率论和数理统计的方法进行分析，例如通信噪声、生理信号等。 在此基础上，我们将深入探讨信号的基本运算，包括： 加法与减法： 信号的叠加原理，在多源信号混合、干扰消除等场景下的应用。 乘法： 信号的调制、解调过程中的核心操作，以及信号相乘在系统输出计算中的作用。 时移（平移）： 信号在时间轴上的移动，这与因果性、延迟系统的分析紧密相关。 尺度变换（伸缩）： 信号在时间轴上的拉伸或压缩，例如在分析不同速率的信号时。 翻转： 信号在时间轴上的镜像，例如在分析反向传播信号时。 通过这些基本运算的分析，读者将建立起对信号时域特性的直观理解。 第二部分：信号的系统分析 本部分将聚焦于信号在系统中的传播和处理。我们将首先定义“系统”的概念，将其理解为能够对输入信号产生输出信号的某种实体或模型。随后，我们将重点介绍以下几种重要的系统模型： 线性系统： 满足叠加原理和齐次性原则的系统。我们将通过数学公式证明线性系统的特性，并分析其在信号处理中的广泛应用，例如滤波器、放大器等。 时不变系统： 系统的特性不随时间改变。我们将介绍时不变系统的判定方法，并解释其在分析稳定系统、预测系统行为方面的重要性。 因果系统： 系统的输出仅取决于当前和过去的输入，而不取决于未来的输入。我们将讨论因果系统在实际工程中的意义，例如实时控制系统。 记忆系统与无记忆系统： 区分系统输出是否依赖于历史输入。 稳定系统： 讨论不同类型的稳定性（BIBO稳定性、Lyapunov稳定性），以及系统稳定性对信号处理结果可靠性的影响。 在此基础上，我们将引入描述系统特性的关键工具： 卷积： 线性时不变系统分析的核心运算。我们将详细介绍卷积的定义，并通过图解和数学推导，展示输入信号与系统冲激响应（或称为脉冲响应）的卷积如何得到系统的输出信号。我们将深入探讨卷积在滤波、系统响应分析等方面的强大功能。 冲激响应（脉冲响应）： 描述系统对单位冲激信号响应的信号。我们将解释冲激响应如何完全表征一个线性时不变系统的动态特性。 第三部分：信号的频域分析 本部分将引领读者进入信号的频域世界，这是理解信号特性和设计信号处理系统的关键。我们将从以下几个方面展开： 傅里叶级数（FS）： 针对周期信号，我们将介绍傅里叶级数的概念，将其分解为一系列不同频率的正弦和余弦分量的叠加。我们将推导傅里叶级数的系数计算公式，并分析周期信号的频谱特性，即其由哪些频率成分组成及其相对幅度。 傅里叶变换（FT）： 针对非周期信号，我们将介绍傅里叶变换的概念，将其分解为连续的频谱。我们将推导傅里叶变换的定义式，并阐述其如何揭示非周期信号在频域上的分布。我们将重点介绍一些常见信号（如矩形脉冲、指数信号）的傅里叶变换结果，以及它们在信号分析和系统设计中的重要性。 傅里叶变换的性质： 线性性、时移性、尺度变换性、对称性、卷积定理、Parseval定理等。我们将详细讲解这些性质，并展示它们如何简化信号和系统的频域分析。例如，卷积定理指出，时域的卷积等于频域的乘积，这极大地简化了线性时不变系统的分析。 功率谱密度（PSD）与能量谱密度（ESD）： 针对功率信号和能量信号，我们将分别介绍功率谱密度和能量谱密度，它们描述了信号的功率或能量在不同频率上的分布。这对于分析噪声信号、通信信号的频谱特性至关重要。 第四部分：采样理论与离散时间信号处理 随着数字技术的发展，离散时间信号处理已成为信号工程的核心组成部分。本部分将聚焦于信号的采样过程及其对离散时间信号处理的影响。 采样定理（Nyquist-Shannon采样定理）： 这是离散信号处理的基石。我们将详细阐述采样定理的内容，即为了无失真地恢复原始连续信号，采样频率必须高于信号最高频率的两倍。我们将深入分析奈奎斯特频率的概念，以及欠采样和过采样的后果。 冲激采样与理想采样： 介绍两种主要的采样模型，并推导其在频域上的表现，即采样会在原始信号的频谱上产生镜像。 离散时间傅里叶变换（DTFT）： 介绍离散时间信号在连续频率上的频谱表示。 离散傅里叶变换（DFT）： 介绍在离散频率点上的频谱表示，这是数字信号处理中最常用的工具。我们将讨论DFT的计算方法及其性质。 快速傅里叶变换（FFT）： 介绍FFT算法，这是DFT的高效计算方法，极大地促进了数字信号处理的应用。 数字滤波器设计： 介绍IIR（无限冲激响应）滤波器和FIR（有限冲激响应）滤波器的设计原理和方法，以及它们在信号去噪、信号增强等方面的作用。 第五部分：随机信号分析 许多实际工程问题中遇到的信号并非确定性的，而是具有随机性的。本部分将介绍随机信号的基本概念和分析方法。 随机过程： 将随机信号建模为随时间变化的随机变量的集合。 平稳性： 介绍宽平稳和窄平稳的概念，以及平稳性对随机信号分析的重要性。 自相关函数和互相关函数： 介绍这两个重要工具，它们描述了随机信号的自身或与其他信号之间的时间关联性。我们将分析自相关函数与功率谱密度之间的Wiener-Khinchin关系。 随机信号在系统中的响应： 分析随机信号通过线性时不变系统后的输出信号的统计特性。 噪声分析： 介绍不同类型的噪声（如白噪声、高斯噪声）及其特性，以及如何通过信号处理技术抑制噪声。 第六部分：信号处理在工程领域的应用 本部分将通过具体案例，展示信号工程理论在各领域的实际应用。 通信系统： 调制与解调技术（AM, FM, PSK, QAM等）、信道编码与解码、多路复用技术。 控制系统： 状态空间分析、PID控制器设计、滤波与估计（卡尔曼滤波）。 图像与语音处理： 图像压缩（JPEG）、图像增强、语音识别、语音合成。 生物医学工程： 心电图（ECG）信号分析、脑电图（EEG）信号分析、医学成像（MRI, CT）。 雷达与声纳系统： 目标检测、距离和速度估计。 金融工程： 时间序列分析、风险评估。 总结与展望 最后，本书将对信号工程的核心概念进行总结，并展望该领域未来的发展趋势，例如机器学习与信号处理的结合、深度学习在信号识别与分析中的应用、以及在物联网、5G通信等新兴技术中的重要作用。 《信号工程概论》旨在为读者提供一个全面、深入的信号工程知识体系，使其能够理解和掌握信号的基本原理，运用信号处理技术解决实际工程问题，并为进一步深入研究相关领域打下坚实基础。

评分☆☆☆☆☆

我是一名对前沿理论研究充满好奇的在读博士生，尤其关注系统辨识在人工智能和机器学习领域的交叉应用。这本书的书名《基于组合式信号源的块结构模型辨识方法》恰好触及了我正在探索的领域。当前，许多复杂的动态系统，例如机器人、无人机、甚至生物系统，其内部往往包含着相互关联但又相对独立的子模块。这些子模块可以被视为“块”，而它们的输出信号相互作用，共同构成了整个系统的“信号源”。如何有效地对这样一个具有内部块结构且信号源复杂的系统进行辨识，一直是一个挑战。我非常好奇书中是如何定义和构建“组合式信号源”的，它是指信号源本身就是由多个独立组件组合而成，还是说信号源的产生过程可以通过组合多个基本信号源来实现？另外，“块结构模型”的提出，是否意味着作者提出了一种新的模型表示形式，能够更直观地描述系统内部的模块化特性？我特别希望书中能够深入探讨如何利用这种块结构来优化模型辨识的算法，例如是否可以通过并行辨识、分层辨识等方式来降低计算复杂度，提高辨识效率。同时，我也对书中可能提出的新颖的辨识算法和理论证明非常感兴趣，希望它们能够为我未来的研究提供新的思路和方向。

评分☆☆☆☆☆

这本书的书名非常有吸引力，直接点出了核心的研究方向——“组合式信号源”和“块结构模型辨识”。我是一个在信号处理领域摸爬滚打了多年的工程师，一直对如何更高效、更精确地理解和建模复杂系统信号的生成机制非常感兴趣。传统的模型辨识方法，尤其是在处理多输入输出（MIMO）系统或者具有多重相互影响的子系统时，往往会遇到计算复杂度爆炸、模型结构不明确等难题。而“组合式信号源”这个概念，让我联想到能否将复杂的信号生成过程分解成若干个独立的、可管理的“块”，然后分别进行辨识，最后再将这些“块”组合起来形成整体模型。这种“化繁为简”的思路，在工程实践中往往能带来意想不到的效率提升和鲁棒性增强。我尤其期待书中是否会详细阐述如何设计和构建这种“组合式信号源”，以及如何有效地将辨识出的“块”进行拼接和整合，形成一个统一、连贯的系统模型。此外，对于“块结构模型”的定义和辨识算法的创新性，也是我非常关注的焦点。希望书中能够提供清晰的理论框架和切实可行的算法实现，最好还能有一些实际应用的案例分析，让我能够更好地理解其在实际工程问题中的应用潜力。

评分☆☆☆☆☆

作为一名在自动控制领域深耕多年的研究人员，我一直关注模型辨识方法在复杂系统中的应用。近些年，随着系统复杂度的不断提升，如何有效地构建和辨识具有复杂内部结构的系统模型，已成为一个亟待解决的问题。《基于组合式信号源的块结构模型辨识方法》这个书名，准确地击中了我的研究兴趣点。传统的模型辨识方法，在面对大规模、高维、强耦合的系统时，往往显得力不从心。而“组合式信号源”和“块结构模型”的提法，预示着一种将复杂系统分解为若干个相对独立、可处理的子系统（块）的思想，并通过对这些子系统的信号源进行组合辨识，最终得到整体模型的可能路径。我非常期待书中能够详细阐述“组合式信号源”的数学刻画，例如它是指通过某种组合运算（如加权、卷积、叠加等）来生成整体信号，还是指系统本身由多个独立信号源构成？同时，“块结构模型”的内涵也让我充满好奇，它是一种全新的模型类，还是对现有模型（如状态空间模型、传递函数模型）的某种结构化约束？我尤为关注书中提出的“辨识方法”，是否能有效处理子系统之间的耦合性，是否能够实现模型的层次化辨识，以及其在计算效率和鲁棒性方面的优势。如果书中能提供相关的理论证明、算法细节以及在特定领域的应用验证，将对我非常有价值。

评分☆☆☆☆☆

我是一名专注于数据科学和模式识别的研究者，对于如何从观测数据中提取系统的内在规律有着浓厚的兴趣。近年来，随着大数据时代的到来，我们常常需要处理海量、高维的数据，并从中挖掘出有用的信息。《基于组合式信号源的块结构模型辨识方法》这个书名，在某种程度上与我目前的研究方向不谋而合。我理解，“信号源”在广义上可以看作是数据的生成机制，而“组合式”则暗示了这种生成机制可能是由多个基本单元组合而成的。“块结构模型”则可能是一种对系统内在结构进行建模的方式，将复杂系统分解为若干个可控的“块”。我非常好奇，书中是如何定义和构建这种“组合式信号源”的？它是否能够捕捉到数据中潜在的模块化或者层次化的结构？而“块结构模型”的辨识方法，是否能够有效地利用这种结构信息来提高模型的准确性和泛化能力？我特别关注书中是否会提出新的算法，能够处理非线性的、时变的组合关系，或者在存在噪声和不确定性的情况下依然能够鲁棒地辨识出模型的块结构。如果书中能够提供一些关于如何将这种方法应用于实际数据挖掘任务的案例，例如用户行为分析、社交网络建模等，那将对我具有极大的启发意义。

评分☆☆☆☆☆

我是一名业余的电子爱好者，平时喜欢捣鼓一些DIY项目，对各种信号的处理和分析都充满热情。虽然我的专业背景不是特别深厚，但每次看到新出的技术书籍，都想尝试了解一下。这本书的书名——《基于组合式信号源的块结构模型辨识方法》——听起来就很高大上，但“组合式信号源”和“块结构模型”这样的词汇，让我觉得它可能在描述一些非常精细和有层次的信号生成过程。我设想，这就像搭积木一样，把一个复杂的信号生成机制，拆解成一个个小的“积木块”，每个“积木块”负责产生一种特定的信号，然后把这些“积木块”按照一定的规则组合起来，最终得到想要的复杂信号。如果这本书真的能讲清楚如何“辨识”出这些“积木块”以及它们之间的“组合规则”，那对于我理解和设计一些复杂的电子电路或者信号发生器，肯定会有很大的帮助。我希望书中能用比较易懂的方式来解释这些概念，最好能有一些直观的图示或者简单的例子，让我这个非专业人士也能有所启发。如果书中能有一些关于如何用简单的工具或者编程语言来实现这些“块结构模型”的建议，那就更完美了。