基于Haar尺度变换的连续分片线性逼近

为了获得非线性系统的连续逼近,提出一种基于Haar尺度变换的连续分片线性逼近算法。由非线性函数的Haar尺度变换获得尺度系数,用紧支撑连续分片线性基函数重构出非线性函数的连续分片线性逼近。理论分析证明这种逼近可以达到任意精度。仿真试验表明:相对于Haar小波逼近,连续分片线性逼近的误差收敛得更均匀。算法的一个显著优势是可以给出逼近的解析表达式。因为Haar尺度变换的计算复杂度低(相当于算术平均),紧支撑连续分片线性基函数的结构简单,所以算法易于推广。