基于误差熵准则非线性系统参数辨识算法研究

误差熵准则为系统辨识开辟了崭新的途径。本课题基于误差熵准则开展非线性系统参数辨识算法研究。针对算法所涉及的概率密度估计，研究适用于非线性系统辨识的概率密度估计方法，提高小样本下密度估计的精度并简化计算复杂度。在此基础上，针对几种典型非线性模型推导基于误差熵准则的随机梯度参数辨识算法，并对算法收敛性和稳态性能进行严格理论分析。进一步，为了改善辨识算法的全局收敛性，提出并研究基于梯度算法和全局随机优化算法的组合辨识算法。最后，通过仿真和实际工程应用验证各种辨识算法的有效性和实用性。

本项目研究基于误差熵准则非线性系统参数辨识算法，包括新型熵准则函数的提出、算法推导、算法收敛性分析、算法简化与全局收敛等等。该项目基本按照原计划执行，并取得以下重要成果：1）提出推导出基于最大熵概率模型的参数化信息梯度辨识算法；2）提出并推导了辨识非线性维纳系统的双准则(最大互信息+最小均方)辨识算法；3）提出了Delta-熵准则和生存信息势准则，克服了传统误差熵准则的某些缺点；4）基于能量守恒关系分析了最小误差熵ADALINE辨识算法的收敛性；5）将误差熵辨识算法推广到再生核希尔伯特空间，并分析算法的收敛性；6）撰写中英文专著各一部，其中中文专著已由清华大学出版社于2011年5月出版，英文专著将于2013年4月由Elsevier出版社出版。