面向二集值FIR系统事件驱动辨识的输入设计方法及系统技术方案

本发明专利技术公开了一种面向二集值FIR系统事件驱动辨识的输入设计方法及系统，涉及传感器和网络通讯技术领域。包括：传感器节点基于辨识算法的收敛速度和信道通讯率，设计待传输的数据的最优输入；传感器节点将最优输入发送到服务器；服务器根据双时间尺度对最优输入进行辨识，得到传输的数据。本发明专利技术能够平衡接收端的估计中心需要尽量多的数据以设计算法估计未知参数，而发送端的事件驱动机制要尽量减少数据的发送次数以节约通信资源的问题。据的发送次数以节约通信资源的问题。据的发送次数以节约通信资源的问题。

【技术实现步骤摘要】
面向二集值FIR系统事件驱动辨识的输入设计方法及系统


[0001]本专利技术涉及传感器和网络通讯
，特别是指一种面向二集值FIR系统事件驱动辨识的输入设计方法及系统。

技术介绍

[0002]近些年来，传感器技术和网络通讯技术得到了迅猛发展，它们与自动化技术的深度交叉融合使得自动控制所直接面对的工业工程、航空航天等领域发生了巨大变化。如今的控制系统向着多交互、多协调的方面发展，例如无人机群协同操作和自动驾驶技术，一个物理系统可能需要多个信息来源，并参与多个终端控制。作为现代控制理论三大支柱之一的系统辨识，在如今的信息时代也必将与时俱进。网络化系统往往通过有限带宽的通信网络传输系统的观测数据，并在远程估计中心进行系统参数估计。由于网络的信道资源有限，这些观测数据在传输过程中像道路行驶的汽车一样也会出现拥堵的问题，如何节约系统之间的通信资源以减少信道的带宽占用，成为了必须要面对的难题。另一方面，正如Estrin教授2002年在Mobicom会议上的特邀报告中指出的那样：传感器各节点的无线通讯模块比计算模块耗能更多,于是如何减少传感器的射频数目也成为了一个新的研究方向。
[0003]在这样的迫切需求下，“事件驱动”的思想应运而生，它对信号的采集/发送由一个特定的事件驱动，在确保系统性能的前提下尽量减少信道的通讯率。事件的属性和种类根据实际目标而定，旨在采集“信息量最大”的数据，它可以定义一个变量超过了限定的值，也可以是一个数据包到达了指定的节点等等。“事件驱动”思想的一经提出，便得到了控制论学者的广泛关注，目前已在控制器设计、状态估计等方面取得了一系列的研究成果。
[0004]在网络化系统辨识中，发送端采用事件驱动机制有效减少了数据的发送次数，而接收端需要尽量多的数据以提高参数估计的精度，这二者之间形成了难以调和的矛盾。通常的处理方法是在保证一方满足要求的前提下，去优化另一方的指标。比如，在估计精度满足要求的前提下，如何采取一些手段使得通讯率取到最小。
[0005]输入设计在系统辨识中至关重要，因为如果实验设计不合理，即使采用更加先进的分析处理算法，也不能从实验数据中获得有用信息。OID(optimal input design,最优输入设计)，即在一定的约束下，寻找使系统辨识精度的某一性能指标达到最高的输入信号。现有技术包括1.一种多弦正交的输入设计方法实现对信号的跟踪辨识，为周期输入提供了借鉴意义。2.在全阶参数模型下提出了一种获取参数预测误差最小值的方法，其参数预测误差可由参数的协方差矩阵表示，利用输入设计构造新的“参数”，以获取最小的协方差矩阵的某些度量，增加辨识的精度。3.利用周期输入并以最小二乘法为准则设计系统输入，最小化误差上限，增加辨识参数的精度。4.研究针对线性时不变离散时间有限脉冲响应系统模型，以L1、L2和L
∞
范数为准则研究最坏参数估计误差下的最优输入序列。5.探讨了量化测量的集元系统辨识，解决了具有多个传感器阈值的最优输入设计问题。
[0006]减小通讯负担的另一个重要手段是数据量化，它将信号的连续取值(或者大量可能的离散取值)近似为有限多个(或较少的)离散值。基于量化数据的系统辨识近年来也得
到了迅速发展。现有技术包括1.在随机和确定性框架下针对二值辨识问题，研究了最优辨识误差、时间复杂度、最优输入设计以及扰动和未建模动态对辨识精度和复杂性的影响。2.在高斯分布输入下基于加权最小二乘法准则，对二值量化数据进行分析并设计了未知参数的一致性估计算法。3.设计了一种自适应量化策略和递推估计算法来辨识线性系统的未知参数，证明了它们的强相合性、渐近无偏性和正态性。4.提出了一种递推学习辨识方法，用于估计具有量化输出的Wiener系统的参数。5.提出一种似然函数的变分近似法，分析量化输出数据进而得到参数的一致性估计值。6.研究了无噪声环境下无限脉冲响应系统的二值辨识问题。
[0007]因此，接收端的估计中心需要尽量多的数据以设计算法估计未知参数，而发
[0008]送端的事件驱动机制要尽量减少数据的发送次数以节约通信资源。如何在二者之间取得平衡是现有技术存在的问题。

技术实现思路

[0009]本专利技术针对现有技术如何平衡接收端的估计中心需要尽量多的数据以设计算法估计未知参数，而发送端的事件驱动机制要尽量减少数据的发送次数以节约通信资源的问题，提出了本专利技术。
[0010]为解决上述技术问题，本专利技术提供如下技术方案：
[0011]一方面，本专利技术提供了一种面向二集值FIR系统事件驱动辨识的输入设计方法，该方法由面向二集值FIR系统事件驱动辨识的输入设计系统实现，该系统包括传感器节点以及服务器；该方法包括：
[0012]S1、传感器节点基于辨识算法的收敛速度和信道通讯率，设计待传输的数据的最优输入。
[0013]S2、传感器节点将最优输入发送到服务器。
[0014]S3、服务器根据双时间尺度对最优输入进行辨识，得到传输的数据。
[0015]可选地，S3中的双时间尺度包括辨识时间尺度以及输入的持续时间尺度。
[0016]辨识时间尺度为系统参数估计值的更新时刻。
[0017]输入的持续时间尺度为待传输的数据根据系统参数估计值更新并保持不变的对应时长。
[0018]可选地，S1中的收敛速度的计算方法，如下式(1)所示：
[0019]当k
→
∞
ꢀꢀ
(1)
[0020][0021]其中，k为时刻且k≥1；为待辨识的未知参数；θ
k
为θ在k时刻的估计值；T为转置矩阵；
‑
1为逆矩阵；是由v1,v2,...,v
n
生成的循环矩阵，φ
n
为回归向量，φ1＝[v1,v2,...,v
n
]；diag用于构造对角矩阵；
‑
T为转置矩阵的逆矩阵；F(
·
)为噪声分布函数；C∈(
‑
∞,+∞)为阈值；f为F(
·
)的导数。
[0022]可选地，S1中的信道通讯率的计算方法，如下式(3)所示：
[0023][0024][0025]其中，I为示性函数；表示s
j
的预测值。
[0026]可选地，S1中的最优输入，如下式(5)
‑
(7)所示：
[0027][0028][0029]Rank(Φ)＝n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0030]根据上式(5)
‑
(7)计算所得的结果记为即最优输入。
[0031]其中，设定v1,v2,...,v
n
的先验取值集合为trace(
·
)表示矩阵的迹；δ＞0为收敛速度容许度；Rank为取矩阵的秩；j＝1,2,...,nB(x)＝g(ε1)
‑1x+g(ε2)
‑1x2+本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向二集值FIR系统事件驱动辨识的输入设计方法，其特征在于，所述方法由面向二集值FIR系统事件驱动辨识的输入设计系统实现，所述系统包括传感器节点以及服务器；所述方法包括：S1、所述传感器节点基于辨识算法的收敛速度和信道通讯率，设计待传输的数据的最优输入；S2、所述传感器节点将所述最优输入发送到所述服务器；S3、所述服务器根据双时间尺度对所述最优输入进行辨识，得到传输的数据。2.根据权利要求1所述的方法，其特征在于，所述S3中的所述双时间尺度包括辨识时间尺度以及输入的持续时间尺度；所述辨识时间尺度为系统参数估计值的更新时刻；所述输入的持续时间尺度为待传输的数据根据系统参数估计值更新并保持不变的对应时长。3.根据权利要求1所述的方法，其特征在于，所述S1中的收敛速度的计算方法，如下式(1)所示：当k
→
∞
ꢀꢀꢀꢀꢀꢀ
(1)其中，k为时刻且k≥1；为待辨识的未知参数；θ
k
为θ在k时刻的估计值；T为转置矩阵；
‑
1为逆矩阵；是由v1,v2,...,v
n
生成的循环矩阵，φ
n
为回归向量，φ1＝[v1,v2,...,v
n
]；diag用于构造对角矩阵；
‑
T为转置矩阵的逆矩阵；F(
·
)为噪声分布函数；C∈(
‑
∞,+∞)为阈值；f为F(
·
)的导数。4.根据权利要求3所述的方法，其特征在于，所述S1中的信道通讯率的计算方法，如下式(3)所示：式(3)所示：其中，I为示性函数；表示s
j
的预测值。5.根据权利要求4所述的方法，其特征在于，所述S1中的最优输入，如下式(5)
‑
(7)所示：示：Rank(Φ)＝n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)根据上式(5)
‑
(7)计算所得的结果记为即最优输入；
＜
…
,h
i
→
∞as i
→
∞；S32、对L＝g(τ)+1,g(τ)+2,...,g(τ+1)时刻，令：Φ
L
＝Φ
g(τ+1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)S33、基于Φ

【专利技术属性】
技术研发人员：郭金，李洋，刘宇轩，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：