有色噪声干扰随机系统二步最小二乘辨识方法.pdf

摘要 论文以国家自然科学基金项目《一类非线性系统辨识建模理论与方法的研究》为背景， 提出了有色噪声干扰随机系统辨识研究课题．该课题属于应用基础研究，具有理论意义和实用 价值．作者在阅读了相关文献的基础上，研究了有色噪声随机系统的两阶段辨识方法，取得的 研究成果如下． 1．为了改进参数估计精度，利用递阶辨识的交互估计理论，提出了受控ARAR模型(CARAR)， 也称为动态调节模型的最小二乘迭代辨识方法．其基本思想是：在每步迭代计算中，将信息 向量中或信息矩阵中不可测噪声项用其估计值代替，而噪声估计值又是用前一次迭代参数 估计进行计算的，二者执行了一个递阶计算过程．与流行的递推广义最tJ、-乘算法相比， 提出的迭代算法在每一步计算中，同时利用了系统所有量测数据信息，因而具有更高的参 数估计精度和更快的收敛速度。最后用仿真例子验证了提出算法的性能． 2．在上述最lJ、--乘迭代辨识方法的基础上，提出了动态调节模型的两步迭代辨识方法．通过 极小化一个信息矩阵中含噪声项的准则函数，导出系统模型参数向量和噪声模型参数向 量的最小二乘估计式，进一步将估计式中信息矩阵所含的未知噪声项用其迭代估计残差代 替，而估计残差又用前一次迭代的参数估计进行计算．在每步迭代计算中，二者执行了一 个递阶计算过程．与滤波式递推广义最小二乘算法相比，提出的迭代算法也可用于在线辨 识，而且在每一步迭代计算中，反复利用了系统可测数据信息，因而能够获得高精度的参 数估计．最后用仿真例子验证了提出算法的性能． 出了一种最小二乘迭代两步辨识算法，解决了CARMA模型的递推算法精度低等问题． 针对一般噪声干扰的受控ARARMA模型，利用阶辨识的交互估计理论，提出了两种最小 二乘迭代辨识方法．同时与已有的递推算法和滤波算法进行仿真比较，来说明提出算法的 有效性． Hammerstein模型提出两种新的迭代辨识方法，并与它的递推辨识算法进行仿真比较来验 证． 综上所述，作者针对以上五种模型对迭代辨识方法进行了研究，每种辨识方法都给出了推 导步骤与公式，并且与已有的辨识方法进行对比，找出它们理论上的差异并分析其可行性与优 缺点，最后用仿真例子来验证提出算法的效果． 关键词：递推辨识，迭代辨识，参数估计，最tJ、--乘 △b苎童!垒￡主 Abstract Thethesisisbasedonthe of andIdentificationofaClassof Project‘‘StudyModelling Nonlinear NatureScienceFoundationof thetitle“Iden- Systems”(National China)andpresents for tificationStochasticwithColoredNoises”．Itisnot in Systems significant only theory,but also valuesin authorresearchesandreadslotsofrelatedreferences potentiallyapplications．The inthe and Least Stochasticwith literature Identificationfor study“Two-StageSquares Systems ColoredNoises”．Themaincontributionsareasfollows． 1．Inorderto the estimation thesisusesthein