基于Volterra级数模型的非线性系统的鲁棒自适应辨识

摘要

研究了基于Volterra模型的非线性系统的鲁棒自适应辨识问题.针对Volterra系统辨识时输入输出观测数据均受噪声污染的情况,建立了基于Volterra模型的鲁棒Volterra总体均方最小自适应辨识算法.该算法应用梯度下降原理,通过对梯度的修正,有效地提高了算法的鲁棒性.仿真结果表明,在低信噪比,或使用较大学习因子的情况下,该算法的收敛性能明显优于其他算法,便于实际应用.