原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第四讲 线性系统辨识方法 最小二乘方法 极大似然法 预报误差法 梯度校正参数辨识方法 一、最小二乘方法 成批最小二乘方法 最小二乘估计的统计性质 递推最小二乘方法 基本最小二乘方法的缺陷及其解决办法 增广最小二乘方法、广义最小二乘方法、多级最小二乘方法、辅助变量法等 最小二乘类辨识方法的比较 1、时不变SISO系统与最小二乘问题 最小二乘辨识问题： 根据输入输出数据，在极小化下列准则函数 2. 成批估计 假设有L组观测数据 可写成矩阵向量形式 Astrom于1965年给出了可辨识的充分必要条件（p137） 3. 参数估计的统计特性 有效性：对于固定观测次数L，方差最小的估计称为有效估计。 4. 递推最小二乘(RLS) 算法 5. 基本最小二乘法的缺陷及解决方法 当模型噪声为有色噪声时，最小二乘参数估计不是无偏的，是一个有偏的估计。 随着数据的增长，最小二乘法出现所谓的“数据饱和”现象 解决办法：遗忘因子法 限定记忆法 6. 增广最小二乘法(RELS) 注：该方法将噪声模型的辨识考虑进出，扩充了参数向量和数据向量。 7. 广义最小二乘法 辅助变量法、两步法、多级最小二乘法 8. 最小二乘类辨识方法的比较 辨识精度 收敛性质 计算量 所需要的先验知识 参见书本198页 二、极大似然法 基本思想：构造一个以数据和未知参数为自变量的似然函数，当这个函数在某个参数值上达到极大时，就得到了系统模型参数的估计值。 参数估计的极大似然法原理 注 意 概率密度函数和似然函数的区别，数学表达形式一致，物理含义不同。 物理意义见书本230页 极大似然估计量都具有良好的渐近性质和无偏性 三、预报误差法 预报误差法是极大似然法的一种推广，用于解决更加一般的问题（数据的概率分布不知道），当数据的概率分布服从正态分布时，预报误差法等价于极大似然法。 注：（1）该方法是通过极小化某种准则来获得参数估计值； （2）优化算法问题 （3）统计性质 四、梯度校正参数辨识法 新参数估计值=旧参数估计值+增益矩阵*新息 * * SISO系统 确定性问题的梯度校正参数辨识法 随机逼近法 *
文档评论（0）