[论文解读] 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 4

一句话总结

本文提出了一种快速、近似的算法，通过希尔伯特变换从时域数据重建解析信号，以估计二阶系统的阻尼系数 α 和阻尼自然频率 ωd。通过对解析信号取对数并进行差分运算，利用 log(y₂(t)) 的斜率估计 α 和 ωd，在仿真中对 ωd 的误差为 −0.4%，对 α 的误差为 −5.5%，并通过基于中位数的斜率估计方法增强了对噪声和初始瞬态的鲁棒性。

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.

研究动机与目标

• 开发一种计算高效的算法，从时域数据中识别阻尼振荡系统的参数。
• 仅使用阶跃或脉冲激励后的采样响应数据，估计二阶系统的阻尼系数 α 和阻尼自然频率 ωd。
• 为实时或批量参数估计提供一种快速、近似的替代方法，以替代迭代非线性最小二乘法或自回归（AR）方法。
• 通过利用解析信号和基于中位数的斜率估计，降低对初始条件和测量噪声的敏感性。

提出的方法

• 通过快速傅里叶变换（FFT）实现离散希尔伯特变换，从实时采样数据中重建解析信号 y₂(t)。
• 对解析信号取自然对数，得到 log(y₂(t)) = log(C) − jϕ + (−α + jωd)t。
• 计算 log(y₂(t)) 的时间差分，以在每个时间步估计复数斜率 (−α + jωd)。
• 利用差分结果的实部和虚部的中位数，稳健估计斜率，从而最小化初始瞬态引起的异常值影响。
• 从斜率估计的中位数中提取 α 和 ωd：α = −median(real(D))，ωd = median(imag(D))。
• 在 MATLAB 中实现该算法，仅使用简单操作：hilbert()、log()、unwrap()、diff() 和 median()。

实验结果

研究问题

• RQ1 能否高效地利用希尔伯特变换，从阻尼振荡系统的采样时域数据中重建解析信号？
• RQ2 解析信号对数的复数斜率在多大程度上能准确估计阻尼系数 α 和阻尼频率 ωd？
• RQ3 基于中位数的估计方法在多大程度上提升了对数据中噪声和瞬态伪影的鲁棒性？
• RQ4 该方法在数值稳定性与边界效应方面存在哪些局限性？

主要发现

• 该方法对阻尼自然频率 ωd 的估计误差为 −0.4%，尽管是近似方法，仍实现了高精度。
• 在测试条件下，阻尼系数 α 的估计误差为 −5.5%，表明其精度适中。
• 基于中位数的斜率估计显著降低了由初始脉冲或阶跃瞬态引起的异常值影响。
• 在希尔伯特变换重建中，由于吉布斯现象，数据边缘附近出现了边界效应。
• 当时间值较大时，由于 exp(−αt) 的下溢，出现了数值不稳定性，限制了该方法在长时序信号中的适用性。
• 该算法计算效率高，适用于实时或批量处理，为迭代方法提供了一种快速替代方案。