Матрицы Ганкеля: алгебра временных рядов и системная идентификация

Структура матрицы и теорема Кронекера

Матрица Ганкеля строится на основе заданной последовательности чисел (например, измерений датчика во времени: y_0, y_1, y_2...). Первая строка матрицы содержит начало последовательности (y_0, y_1, y_2), вторая строка сдвигается влево (y_1, y_2, y_3) и так далее. Это означает, что матрица Ганкеля содержит в себе историю эволюции временного ряда, представляя собой скользящее окно памяти. Одно из важнейших утверждений алгебры — Теорема Кронекера — гласит, что ранг бесконечной матрицы Ганкеля является конечным числом r тогда и только тогда, когда исходная последовательность чисел описывается линейным рекуррентным уравнением порядка r (или, что то же самое, является суммой r экспонент). Ранг Ганкелевой матрицы — это абсолютный математический детектор истинной размерности физического процесса, скрытого за шумом.

Системная идентификация и марковские параметры

Главный триумф матриц Ганкеля — алгоритмы реализации в теории управления. Представьте, что у нас есть физический «черный ящик» (например, неизвестный электродвигатель). Мы подаем на него единичный импульс и записываем реакцию системы во времени (импульсную характеристику, состоящую из так называемых марковских параметров). Можем ли мы по этому графику восстановить дифференциальные уравнения (матрицы A, B, C), управляющие двигателем внутри ящика? Оказывается, да! Матрицы A, B и C называются минимальной реализацией системы. Алгоритм Хо-Калмана формирует из записанных данных матрицу Ганкеля и, используя ее факторизацию, аналитически извлекает минимальную матричную модель системы, которая идеально воспроизводит экспериментальные данные.

Сингулярное разложение Ганкеля (HSVD) и подавление шума

В реальных экспериментах данные всегда загрязнены измерительным шумом. Из-за шума матрица Ганкеля, построенная по экспериментальному сигналу, всегда будет иметь полный ранг (бесконечный), скрывая истинную размерность системы. Для решения этой проблемы применяется Сингулярное разложение Ганкелевой матрицы (Hankel SVD). Мы выполняем SVD и смотрим на спектр сингулярных чисел. Истинные системные динамики (физические резонансы) проявляются как несколько больших сингулярных чисел, а случайный измерительный шум порождает длинный шлейф мелких сингулярных чисел. Отсекая (обнуляя) малые сингулярные числа, мы можем восстановить «чистую» матрицу низкого ранга, эффективно отфильтровав шум без искажения фазы сигнала (алгоритм Гунг-Файрмана ERA — Eigensystem Realization Algorithm).

Теорема Нехари и оптимальная аппроксимация систем

Глубокая связь между теорией операторов и матрицами Ганкеля раскрывается в знаменитой теореме Зева Нехари, доказанной в 1957 году. В современной робастной теории управления (H-бесконечность оптимизация) часто возникает задача: как приблизить сложную, нестабильную или высокоразмерную динамическую систему (например, модель моста с тысячами резонансных мод) системой малого порядка, минимизируя максимальную ошибку в частотной области (норму Ганкеля). Теорема Нехари дает точный аналитический ответ, сводя поиск оптимальной аппроксимации передаточной функции в комплексной плоскости к вычислению наибольшего сингулярного числа и соответствующего сингулярного вектора бесконечномерного ганкелева оператора, построенного по импульсной характеристике системы.