处理有色噪声扰动最小二乘类方法.ppt

处理有色噪声扰动的最小二乘类方法 由上一讲中所讨论的LS估计的统计特性可知,在动态系统的参数估计中,LS法仅当随机扰动为零均值的白噪声时,才能保证得到无偏一致的估计值. 在实际工程和社会系统的辨识中,随机扰动w(k)只是各种系统内外扰动和结构建模误差等因素的综合反映. 因此,并不能保证随机扰动为统计独立的白噪声. 故,实际系统辨识时,并不能保证LS估计值为无偏一致估计值. 从本讲开始,我们将讨论具有随机扰动为相关性扰动(有色噪声)的动态系统的无偏一致的参数估计问题,具体的LS类方法有 增广最小二乘法(Extended Least-square Method, ELS) 广义最小二乘法(Generalized Least-square Method, GLS) 辅助变量法(Instrumental Variables Method, IV) 等.其它无偏参数估计算法还有 多步最小二乘法 偏差补偿最小二乘法 这些不同的处理有色噪声的辨识方法主要是针对不同的 有色噪声的特性、 有色噪声的不同模型表达、以及 不同的辨识要求 提出的.下面就分别讨论: 增广最小二乘法(ELS) 广义最小二乘法(GLS) 辅助变量法(IV) 其它方法可参阅其它教材和文献. 1. ELS法(1/19) 1. 增广(扩充)最小二乘法(ELS) 考虑如下SISO随机离散系统 A(z-1)y(k)=B(z-1)u(