5.1　引　言

工程结构在工作状态中往往表现出时变特性，如燃料消耗、构型变化、载荷工况变化等会导致结构的动力学特性随时间变化。时变结构的振动响应信号往往呈现非平稳特性，由于基于平稳响应信号的辨识方法无法直接应用于非平稳响应信号，因此针对非平稳响应信号的时域辨识方法近年来逐渐成为研究热点。

此外，结构在工作状态下实测振动响应信号会受到复杂的力学环境、随机振动载荷等因素的干扰，不仅其统计特征是非平稳的，而且信号中包含大量高斯噪声以及非高斯脉冲噪声。针对高斯噪声问题，已发展了许多经典的理论与方法，例如，基于二阶统计矩的方法（如最小二乘估计、最大似然估计）在高斯假设的条件下是最优估计。但对于实测信号中非高斯脉冲噪声问题的理论研究成果还较少，传统的二阶矩方法在处理非高斯脉冲噪声时的估计性能退化严重［165］。(https://www.daowen.com)

针对上述问题，5.2节将讨论一类在实际中典型的非高斯脉冲噪声，采用Alpha稳态分布表征其概率密度，详细介绍Alpha稳态分布的特征参数，并给出混合信噪比的概念；5.3节针对非高斯脉冲噪声，引入广义最大互相关熵估计子，给出互相关熵的定义与基本特征，为本章后续工作奠定基础；5.4节基于FS-TARMA模型，对结构非平稳振动响应进行建模，并引入分步解耦的思想，提出基于广义最大互相关熵的模态参数批量辨识方法［165］；5.5节基于TARMA模型，采用指数加权遗忘机制，提出基于广义最大互相关熵的递推伪线性回归方法［165，284］，并将TARMA模型转换为状态空间模型，发展基于广义最大互相关熵的卡尔曼滤波辨识方法［284］；5.6节通过三自由度系统对上述方法进行仿真分析；5.7节对本章进行总结。