离散随机模型降阶的最小条件信息损失方法

针对随机系统的模型降阶问题,从分析离散线性随机状态方程模型中的条件信息描述机制入手,讨论了模型状态集聚过程中系统的平均条件信息损失.运用在模式识别领域中获得成功应用的最小信息损失准则得出了一种新的模型降阶信息论方法———基于状态集聚的最小条件信息损失方法,并讨论了降阶模型阶次的选择.分析表明,当原系统是渐近稳定时,由该方法得出的降阶模型也是渐近稳定的.该方法运用简单,仿真研究也表明由该方法得出的降阶模型具有良好的近似性能.     

线性多变量控制系统的干扰抑制性能极限:信息论方法

考察了受随机干扰的线性离散多变量时不变反馈控制系统中的不确定性和信息传输,从信息论的角度阐述了系统干扰抑制的性能极限.讨论中采用熵率和信息率作为系统干扰抑制的性能函数.针对调节问题,利用Bode积分定理将控制系统中的熵率和系统开环不稳定极点结合起来,修正了“变异度守恒定律”;针对跟踪问题,研究高斯系统中干扰与输出间的互信息率和系统闭环传递函数H_∞熵的关系,并在此基础上得出了系统干扰抑制的性能上界.