从频率响应数据识别连续时间滤波器参数
当使用高频率建立高阶模型时,重要的是要缩放频率,除以一个因子,如存在的最高频率的一半w
,从而得到的良好条件值一个
和b
.这相当于时间的缩放。
默认情况下,invfreqs
利用方程误差法从数据中确定最佳模型。这个发现b
和一个
在
通过建立一个线性方程组,并用MATLAB求解®\
操作符。在这里一个(w(k)),B(w(k)是多项式的傅里叶变换一个
和b
,分别在频率处w(k),n频率点的个数(长度h
和w
).这个算法是基于李维的[1].在文献中提出了几个变量,其中权重函数wt
很少关注高频。
优越的(“输出误差”)算法使用阻尼迭代搜索的高斯-牛顿方法[2],将第一个算法的输出作为初始估计。这解决了实际频率响应点与期望频率响应点之间的加权平方和误差最小的直接问题。
[1] Levi, E. C.《复杂曲线拟合》(Complex-Curve Fitting)。愤怒的反式。在自动控制.AC-4卷,1959年,37-44页。
[2]小丹尼斯和r·b·施纳贝尔。无约束优化和非线性方程的数值方法。Englewood Cliffs, NJ: Prentice-Hall, 1983。