[論文レビュー] Parameter identification using the Hilbert transform

Andrew Allison, Derek Abbott|arXiv (Cornell University)|Oct 27, 2002

Advanced Measurement and Metrology Techniques参考文献 6被引用数 4

ひとこと要約

本稿では、時間領域データから解析的信号を再構築するためにヒルベルト変換を用い、2次系の減衰係数αおよび減衰固有振動数ωdを高速かつ近似的に推定する手法を提案する。解析的信号に対し対数をとった後、差分を適用することで、log(y₂(t))の傾きを用いてαおよびωdを推定する。シミュレーションでは、ωdの誤差が−0.4%、αの誤差が−5.5%にとどまり、初期遷移に起因する外れ値の影響を低減するため、中央値に基づく傾き推定によりロバスト性が向上している。

ABSTRACT

Many physical systems can be adequately modelled using a second order approximation. The problem of plant identification reduces to the problem of estimating the position of a single pair of complex conjugate poles. One approach to the problem is to apply the method of least squares to the time domain data. This type of computation is best carried out in "batch" mode and applies to an entire data set. Another approach would be to design an adaptive filter and to use autoregressive, AR, techniques. This would be well suited to continuous real-time data and could track slow changes on the underlying plant. I this paper we present a very fast but approximate technique for the estimation of the position of a single pair of complex conjugate poles, using the Hilbert transform to reconstruct the analytic signal.

研究の動機と目的

• 時間領域データから減衰振動系のパラメータを計算的に効率よく同定する手法を開発すること。
• ステップ入力またはインパルス入力後のサンプリング応答データのみを用いて、2次系の減衰係数αおよび減衰固有振動数ωdを推定すること。
• 反復的非線形最小二乗法やAR手法の代替として、リアルタイムまたはバッチ処理に適した高速かつ近似的な手法を提供すること。
• 解析的信号と中央値に基づく傾き推定を活用することで、初期条件や測定ノイズへの感受性を低減すること。

提案手法

• FFTを用いた離散ヒルベルト変換により、リアルタイムでサンプリングされたデータから解析的信号y₂(t)を再構築する。
• 解析的信号に自然対数を適用し、log(y₂(t)) = log(C) − jϕ + (−α + jωd)t を得る。
• log(y₂(t))の時間差分を計算し、各時刻における複素数の傾き(−α + jωd)を推定する。
• 差分の実部および虚部の中央値を用いることで、初期遷移に起因する外れ値の影響を低減し、傾きをロバストに推定する。
• 中央値による傾き推定値からαおよびωdを抽出する：α = −median(real(D))、ωd = median(imag(D))。
• hilbert()、log()、unwrap()、diff()、median()といった単純な演算のみを用いて、MATLABでアルゴリズムを実装する。

実験結果

リサーチクエスチョン

• RQ1 減衰振動系の時間領域データから、ヒルベルト変換を用いて解析的信号を効率的に再構築できるか？
• RQ2 解析的信号の対数の複素数の傾きが、減衰係数αおよび減衰周波数ωdをどの程度正確に推定できるか？
• RQ3 中央値に基づく推定手法が、ノイズおよび一時的なアーティファクトに起因する外れ値の影響をどのように低減するか？
• RQ4 数値的安定性および境界効果の観点から、この手法にどのような限界があるか？

主な発見

• 本手法は、近似的ではあるが、減衰固有振動数ωdを−0.4%の誤差で推定し、高い精度を達成した。
• 減衰係数αは−5.5%の誤差で推定され、試験条件下では中程度の精度であった。
• 中央値に基づく傾き推定の活用により、初期インパルスまたはステップ遷移に起因する外れ値の影響が顕著に低減された。
• 特にデータエッジ付近で、ギブス現象に起因する境界効果がヒルベルト変換再構築において観察された。
• exp(−αt)のアンダーフローに起因する数値的不安定性が、長時間信号において発生し、長期間信号への適用性に制限が生じた。
• アルゴリズムは計算的に効率的であり、リアルタイムまたはバッチ処理に適しており、反復的手法に対する高速な代替手段を提供する。