第5章 线性动态模型参数辨识－最小二乘法.pptVIP

* 第5章 线性动态模型参数辨识－最小二乘法 5.1 辨识方法分类 根据不同的辨识原理，参数模型辨识方法可归纳成两类： ① 最小二乘类参数辨识方法，其基本思想是通过极小化如下准则函数来估计 模型参数： 其中 代表模型输出与系统输出的偏差。典型的方法有最小二乘法、增广最小二乘法、辅助变量法、广义最小二乘法等。 ② 梯度校正参数辨识方法，其基本思想是沿着准则函数负梯度方向逐步修正模型参数，使准则函数达到最小，如随机逼近法。 5.2 最小二乘法的基本概念 ● 两种算法形式 ① 批处理算法：利用一批观测数据，一次计算或经反复迭代，以获得模型参数的估计值。 ② 递推算法：在上次模型参数估计值 的基础上，根据当前获得的数据提出修正，进而获得本次模型参数估计值 ，广泛采用的递推算法 形式为 其中 表示k 时刻的模型参数估计值，K(k)为算法的增益，h(k-d) 是由观测数据组成的输入数据向量， d 为整数， 表示新息。 ● 最小二乘原理 定义：设一个随机序列 的均值是参数 的线性函数 其中h(k)是可测的数据向量，那么利用随机序列的一个实现，使准则函数 达