本发明属于非线性自适应滤波系统设计，具体涉及一种启发式预处理非线性样条自适应滤波辨识系统及方法。
背景技术：
1、系统辨识分为线性系统和非线性系统根据系统是否符合叠加原理；在实际生活中普遍存在着非线性元素；基于理想化简单化的线性系统建模的系统辨识方法无法准确描述非线性系统工作机理，由此，非线性系统辨识方法得到了广泛关注；滤波算法作为较为通用的系统辨识方法，得到了进一步的研究。
2、非线性结构的自适应滤波算法复杂多样，且尚无通用的理论系统架构，由而各种类型的非线性滤波算法被设计；在几种广泛流行的非线性自适应滤波算法中：基于volterra级数展开的多项式滤波算法，其计算复杂度随着非线性阶次增加而呈现出几何级数形式的增长，在实际应用中通常使用其低阶非线性结构模型作为滤波算法处理非线性系统；基于神经网络的滤波算法作为一类通用的非线性模型已经在非线性信号处理中得到重视，但是，基于神经网络模型的滤波算法存在的主要缺点是在实现的过程中需要相当高的计算复杂度；架构简单的核自适应滤波算法实现较为容易，但是，基于核自适应滤波算法的网络结构会伴随着迭代次数的增加而存在计算复杂度增长的问题；近几年，基于非线性样条结构设计的自适应滤波算法对于描述非线性系统有着优异的性能，且其自身具有简单的架构；但是，非线性样条结构的自适应滤波算法存在估算逼近性能的问题需要解决；由此可见，探索复杂性较低、非线性估算能力强的非线性自适应滤波器仍是非线性系统辨识领域公认的核心难题。
3、在设计非线性自适应滤波算法时，为了降低滤波算法的计算复杂度，通常假设滤波算法的研究是基于高斯环境下进行的；但是，在实际工程应用中，系统会因自身故障，或因外界的不定因素，而使系统不可避免的存在相关干扰破坏高斯假设；在干扰存在的情况下，基于高斯分布假设研究的自适应滤波算法与实际应用时的干扰环境不匹配，从而导致滤波算法的收敛效果不理想；因此，针对现实意义的辨识系统，如何设计脉冲干扰存在的非线性结构的自适应滤波算法，使之系统辨识具有更好的性能，是值得研究的；为此我们提出一种启发式预处理非线性样条自适应滤波辨识系统及方法。
技术实现思路
1、本发明的目的是提供一种启发式预处理非线性样条自适应滤波辨识系统及方法，首先进行预处理操作，与传统非线性滤波系统相比，为了提高非线性滤波模型的估算精度，本发明在进行非线性滤波之前，对滤波系统的权重参数进行了初始化；在初始化过程中，仅通过线性部分迭代优化整个非线性系统；不变性是非线性系统辨识中一个常用的性质，这种特性使得在不补偿或不估计模型中的静态非线性的情况下识别出维纳模型的线性部分；不变性除了比例因子外其他信号经历非线性幅度失真后得到的互相关函数与失真前得到的互相关函数相同；根据滤波系统具有的不变特性，在进行非线性样条滤波过程之前，首先需要对滤波系统线性部分的权重项进行预处理优先优化操作；优先优化权重步骤仅采用线性fir滤波器辨识整个未知系统，即通过fir滤波器的权重来优先优化整个未知系统；更具体地讲，根据非线性滤波系统的不变特性，仅通过线性fir滤波器来优化未知系统的线性部分和非线性部分，进而获得整个系统初始优先优化fir滤波器的权重；因此，首先仅利用fir滤波器优化整个未知系统，以获得权重的初始值，最终得到迭代优化后的非线性样条滤波模型；
2、然后在预处理阶段，关于非线性未知系统迭代优化权重步骤中fir滤波器的输出表示为：
3、s(0)(n)＝w(0)(n)x(n)；
4、其中，预处理操作权重过程的输入信号与非线性滤波系统中的输入信号一致，定义为：
5、x(n)＝[x(n),x(n-1),...,x(n-m+1)]t，
6、而权重向量s(0)(n)为表示线性部分迭代更新权重的输出；最终不断迭代不断调整参数，直到设置的非线性样条滤波模型辨识结束；最终输出结果y(n)。
7、本发明采取的技术方案具体如下：
8、一种启发式预处理非线性样条自适应滤波辨识系统，包括预处理模块、优化处理模块以及输出模块，所述预处理模块首先获取输入信号为x(n)；并对输入信号x(n)进行预处理，得到输出信号y(n)、误差信号e(n)以及期望信号d(n)；所述优化处理模块内部构建有非线性样条滤波模型；使用非线性样条滤波模型根据输入信号x(n)、系统误差调节滤波辨识系统的控制点，然后获取初始化中间输出，结合系统误差以及系统权重，再根据期望信号d(n)、输出信号y(n)计算系统误差，最后根据系统误差设计自适应优化策略，最终使用自适应优化策略优化输入信号x(n)，得到输出信号y(n)。
9、一种启发式预处理非线性样条自适应滤波辨识方法，具体包括以下步骤：
10、s1：首先构建非线性样条滤波模型；
11、s101：先对非线性滤波部分进行构建；
12、s102：在对线性部分进行构建；
13、s2：对输入信号为x(n)进行预处理；
14、s3：计算系统误差；
15、s4：利用最大相关熵准则迭代优化滤波系统中的控制点和权重；
16、s5：采用随机梯度算法迭代预处理过程的权重和滤波过程的控制点和权值；
17、s6：进行多次迭代以及优化，最终得到输出信号y(n)。
18、优选地，步骤s101中，在n时刻，非线性滤波系统的输入信号为x(n)，展开表示为：
19、x(n)＝[x(n),x(n-1),...,x(n-m+1)]t；
20、其中，滤波器的抽头数由m表示；输入信号x(n)通过查找表模块获得非线性部分表示中的局部参数un和索引i：
21、
22、式中，δx为两控制点的均匀间隔，q表示非线性样条插值中的控制点数。依据局部参数和索引，从而获得非线性部分输出s(n)：
23、s(n)＝u(n)tcpi(n)；
24、式中，c表示为样条基矩阵，其中，pi＝[px,i,ps,i]t为控制点，px,i表示控制点中对应的x轴坐标，i的取值范围为0-n，表示n+1个控制点。
25、优选地，步骤s102中；所述非线性样条滤波模型中的非线性样条部分连接线性滤波部分；使用非线性部分输出s(n)作为线性滤波部分的输入，通过fir滤波器获得线性部分的输出y(n)，所述线性部分的输出y(n)作为所述非线性样条滤波模型的输出。
26、优选地，关于所述非线性样条滤波模型中的线性部分，其构建的fir滤波器的权重被定义为w(n)＝[w(0),w(1),…,w(n-1)]t；
27、y(n)＝wt(n)s(n)。
28、优选地，步骤s2中，首先获取输入信号为x(n)；并对输入信号x(n)x(n)进行预处理，得到输出信号y(n)、误差信号e(n)以及期望信号d(n)。
29、优选地，步骤s3中，系统误差由系统期望信号d(n)减去仅由线性部分迭代更新权重的系统输出s(0)(n)获得预处理操作系统误差信号e*(n)：
30、e*(n)＝d(n)-s(0)(n)；
31、在非线性滤波过程中，系统误差e(n)由系统期望信号d(n)减去输出信号y(n)得到：
32、优选地，步骤s4中，利用最大相关熵准则迭代非线性样条滤波模型中的控制点和权重，以及预处理操作中的权重；最大相关熵准则代价函数表示为：
33、
34、式中，σ>0表示为核长参数；在预处理操作中，代价函数中依据系统误差信号e*(n)，在滤波处理中，损失函数采用系统误差e(n)表示。
35、优选地，步骤s5中采用随机梯度算法迭代预处理过程的权重和滤波过程的控制点和权值；在预处理优先优化权重步骤中，利用结构简单的最大相关熵自适应策略来迭代更新fir滤波器的权重，由此，获得预处理优先优化fir滤波器权重迭代更新的表达式：
36、w(0)(n+1)＝w(0)(n+1)+μe*(n)x(n)；
37、权重的学习率μ是关于预处理过程中fir滤波器的；
38、w(n+1)＝w(n)+μwe*(n)s(n)；
39、p(n+1)＝p(n)+μpe*(n)ctu(n)w(n)。
40、本发明取得的技术效果为：
41、本发明中，预处理过程提升系统收敛速度：本发明采用预处理操作，在非线性滤波辨识系统之前，预处理获得的参数，可以直接作为非线性过程中的初始值，从而有效提升了辨识过程的收敛速度。
42、本发明中，最大相关熵准则具有鲁棒性：本发明在预处理过程和非线性滤波过程中利用的代价函数均为具有鲁棒性的最大相关熵准则，由此，构建的非线性系统辨识能够较好的适应环境中存在的脉冲干扰。
43、本发明中，应用范围提升：本发明提出的启发式非线性滤波系统辨识方法具有更广泛的应用场景，这是因为本发明对比线性的系统辨识描述，本发明更贴近实际运行环境为非线性描述的；本发明设计了预处理操作，提升了辨识系统的收敛速度；本发明采用具有鲁棒性的代价函数，更考虑实际的存在的脉冲干扰环境。由此，得到本发明的应用范围的到提升。
1.一种启发式预处理非线性样条自适应滤波辨识系统，其特征在于：包括预处理模块、优化处理模块以及输出模块，所述预处理模块首先获取输入信号为x(n)；并对输入信号x(n)进行预处理，得到输出信号y(n)、误差信号e(n)以及期望信号d(n)；所述优化处理模块内部构建有非线性样条滤波模型；使用非线性样条滤波模型根据输入信号x(n)、系统误差调节滤波辨识系统的控制点，然后获取初始化中间输出，结合系统误差以及系统权重，再根据期望信号d(n)、输出信号y(n)计算系统误差，最后根据系统误差设计自适应优化策略，最终使用自适应优化策略优化输入信号x(n)，得到输出信号y(n)。
2.一种启发式预处理非线性样条自适应滤波辨识方法，其特征在于：所述滤波辨识方法为权利要求1中滤波辨识系统的运行方法，具体包括以下步骤：
3.根据权利要求1所述的一种启发式预处理非线性样条自适应滤波辨识方法，其特征在于：步骤s101中，在n时刻，非线性滤波系统的输入信号为x(n)，展开表示为：
4.根据权利要求1所述的一种启发式预处理非线性样条自适应滤波辨识方法，其特征在于：步骤s102中；所述非线性样条滤波模型中的非线性样条部分连接线性滤波部分；使用非线性部分输出s(n)作为线性滤波部分的输入，通过fir滤波器获得线性部分的输出y(n)，所述线性部分的输出y(n)作为所述非线性样条滤波模型的输出。
5.根据权利要求4所述的一种启发式预处理非线性样条自适应滤波辨识系统，其特征在于：关于所述非线性样条滤波模型中的线性部分，其构建的fir滤波器的权重被定义为：
6.根据权利要求1所述的一种启发式预处理非线性样条自适应滤波辨识方法，其特征在于：步骤s2中，首先获取输入信号为x(n)；并对输入信号x(n)x(n)进行预处理，得到输出信号y(n)、误差信号e(n)以及期望信号d(n)。
7.根据权利要求6所述的一种启发式预处理非线性样条自适应滤波辨识方法，其特征在于：步骤s3中，系统误差由系统期望信号d(n)减去仅由线性部分迭代更新权重的系统输出s(0)(n)获得预处理操作系统误差信号e*(n)：
8.根据权利要求7所述的一种启发式预处理非线性样条自适应滤波辨识方法，其特征在于：步骤s4中，利用最大相关熵准则迭代非线性样条滤波模型中的控制点和权重，以及预处理操作中的权重；最大相关熵准则代价函数表示为：
9.根据权利要求8所述的一种启发式预处理非线性样条自适应滤波辨识方法，其特征在于：步骤s5中采用随机梯度算法迭代预处理过程的权重和滤波过程的控制点和权值；在预处理优先优化权重步骤中，利用结构简单的最大相关熵自适应策略来迭代更新fir滤波器的权重，由此，获得预处理优先优化fir滤波器权重迭代更新的表达式：
