计算机应用

作者：冯子凯, 陈立家, 刘名果, 袁蒙恩

单位：河南大学 物理与电子学院, 河南 开封 475000

关键词：结构自适应滤波,非线性系统辨识,子系统,线性-非线性

基金：河南省自然科学基金资助项目（15A510018）；河南大学种子基金资助项目（ZZJJ20140037）。

针对非线性系统辨识中定结构参数辨识局限性高和辨识率低的问题，将结构自适应引入辨识的优化，提出一种基于子系统的结构自适应滤波（SSAF）方法。该方法的模型由若干子系统级联而成，每一个子系统均为线性-非线性混合结构。子系统的线性部分是一个一阶或二阶可选的无限脉冲响应滤波器（IIR），非线性部分则是一个静态的非线性函数。初始化中，子系统的参数随机产生，生成的若干子系统按照设定的连接规则进行随机连接，而不含反馈的连接机制确保了非线性系统的有效性。采用一种自适应多精英引导的复合差分进化（AMECoDEs）算法用于自适应模型循环优化，直至找到最优的结构和参数，即全局最优。实验结果表明，SSAF方法在非线性测试函数以及真实数据集上的表现优异，辨识率高且收敛性好，与聚焦时滞递归神经网络（FTLRNN）相比，它所用参数的个数仅为FTLRNN的1/10，且适应值精度提高了7%，验证了所提方法的有效性。

来源：2020年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第8期