DOI: 10.17586/2226-1494-2018-18-6-976-981


УДК681.51

ИДЕНТИФИКАЦИЯ ПАРАМЕТРОВ СИНУСОИДАЛЬНОГО СИГНАЛА С НЕИЗВЕСТНОЙ НЕСТАЦИОНАРНОЙ АМПЛИТУДОЙ

Ле Ван Туан, Бобцов А.А.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования: Ле Ван Туан, Бобцов А.А. Идентификация параметров синусоидального сигнала с неизвестной нестационарной амплитудой // Научно-технический вестник информационных технологий, механики и оптики. 2018. Т. 18. № 6. С. 976–981. doi: 10.17586/2226-1494-2018-18-6-976-981

Аннотация

Рассматривается задача идентификации частоты смещенного синусоидального сигнала в отсутствии шумов измерений. Предполагается, что смещение и амплитуда синусоидального сигнала являются неизвестными функциями времени. Допускается, что частота синусоидального сигнала является неизвестным числом, а смещение и амплитуда синусоидального сигнала могут быть представлены в виде кусочно-линейных на интервале функций времени. Для оценивания частоты синусоидального сигнала была предложена оригинальная процедура параметризации, приводящая исходное нелинейное уравнение к виду стандартной линейной регрессионной модели. После ряда специальных преобразований было получено простейшее уравнение, содержащее один неизвестный параметр (квадрат от частоты синусоидального сигнала), умноженный на известную функцию времени. Для поиска этого параметра был использован стандартный интегральный алгоритм идентификации, позволяющий гарантировать робастность оценок к внешним возмущениям, а также улучшать качество переходных процессов за счет настроечного коэффициента. Предлагаемый алгоритм идентификации частоты имеет техническую привлекательность и может быть использован в задачах компенсации или подавления возмущений и (или) ошибок измерений, описываемых гармоническим или полигармоническим сигналами, в том числе для парирования вертикальных инерционных ускорений при оценивании аномалий силы тяжести на подвижном объекте. Для иллюстрации работоспособности предложенного алгоритма идентификации в статье приведены результаты компьютерного моделирования, демонстрирующие достижение поставленных целей.


Ключевые слова: идентификация, линейная регрессионная модель, нестационарные параметры, синусоидальные сигналы, кусочно-линейные функции времени

Благодарности. Работа выполнена при поддержке Российского научного фонда, контракт № 18-19-00627.

Список литературы
  1. Aranovskiy S., Bobtsov A., Kremlev A., Nikolaev N., Slita O. Identification of frequency of biased harmonic signal //
    European Journal of Control. 2010. V. 16. N 2. P. 129–139.
    doi: 10.3166/ejc.16.129-139
  2. Hou M. Parameter identification of sinusoids // IEEE Transactions on Automatic Control. 2012. V. 57. N 2.
    P. 467–472. doi: 10.1109/TAC.2011.2164736
  3. Marino R., Tomei P. Frequency estimation of periodic signals //Proc. European Control Conference. Strasbourg, France, 2014. P. 7–12. doi: 10.1109/ecc.2014.
  4. Пыркин А.А., Бобцов А.А., Ведяков А.А. Колюбин С.А. Оценивание параметров полигармонического сигнала // Автоматика и телемеханика. 2015. № 8. С. 94–114.
  5. Bobtsov A.A., Efimov D., Pyrkin A.A., Zolghadri A. Switched algorithm for frequency estimation with noise rejection // IEEE Transactions on Automatic Control. 2012. V. 57. N 9. P. 2400–2404. doi: 10.1109/TAC.2012.2186685
  6. Aranovskiy S.V., Bobtsov A.A., Pyrkin A.A., Gritcenko P.A. Adaptive filters cascade applied to a frequency identification improvement problem // International Journal of Adaptive Control and Signal Processing. 2016. V. 30. N 5. P. 677–689. doi: 10.1002/acs.2602
  7. Aranovskiy S., Bobtsov A., Ortega R., Pyrkin A. Improved transients in multiple frequencies estimation via dynamic regressor extension and mixing // IFAC-PapersOnLine. 2016. V. 49. N 13. P. 99–104. doi: 10.1016/j.ifacol.2016.07.934
  8. Aranovskiy S., Bobtsov A., Ortega R., Pyrkin A. Performance enhancement of parameter estimators via dynamic regressor extension and mixing // IEEE Transactions on
    Automatic Control. 2016. V. 62. N 7. P. 3546–3550.doi: 10.1109/TAC.2016.2614889
  9. Vedyakov A.A., Vediakova A.O., Bobtsov A.A., Pyrkin A.A., Aranovskiy S.V. A globally convergent frequency estimator of a sinusoidal signal with a time-varying amplitude //
    European Journal of Control. 2017. V. 38. P. 32–38.
    doi: 10.1016/j.ejcon.2017.08.001
  10. Ле В.Т., Бобцов А.А., Пыркин А.А. Новый алгоритм идентификации нестационарных параметров для линейной регрессионной модели // Научно-технический вестник информационных технологий, механики и оптики. 2017. Т. 17. № 5. С. 952–955. doi: 10.17586/2226-1494-2017-17-5-952-955
  11. Степанов О.А., Блажнов Б.А., Кошаев Д.А. Исследование эффективности использования спутниковых измерений при определении ускорения силы тяжести на летательном аппарате // Гироскопия и навигация. 2002. № 3. С. 33–47.
  12. Stepanov O.A., Koshaev D.A. Analysis of filtering and smoothing techniques as applied to aerogravimetry // Gyroscopy and Navigation. 2010. V. 1. N 1. P. 19–25.
    doi: 10.1134/s2075108710010049
  13. Пешехонов В.Г., Степанов О.А. и др. Современные методыи средства измерения параметров гравитационного поля Земли. СПб: Электроприбор, 2017. 390 с.
  14. Льюнг Л. Идентификация систем. Теория для пользователей.М.: Наука, 1991. 432 с.
  15. Мирошник И.В., Никифоров В.О., Фрадков А.Л.
    Нелинейное и адаптивное управление сложными
    динамическими системами. СПб: Наука, 2000. 549 с.
  16. Андриевский Б.Р., Фрадков А.Л. Избранные главы теории автоматического управления с примерами на языке MATLAB. СПб: Наука, 1999. 475 с.
  17. Sastry S., Bodson M. Adaptive Control: Stability,
    Convergence and Robustness. Courier Dover Publications, 2011. 400 p.


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2019 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика