线性模型系数的有界影响辨识.pdfVIP

线性模型系数的有界影响辨识 胡峰∞’孙国基‘1’ (1：西安交通大学系统工程研究所。710049) (2：西安卫星测控中心505#16，710043) 摘要：基于采样数据的新息增量过程，本文创造性地提出了回归系数的有界影响辨识，该 统计辨识方法能有效地克服异常采样数据的不利影响，提高统计推断的可靠性a 关键词：线性回归模型，异常数据，新息增量，有界影响估计 1 引言 在应用统计学、现代时间序列分析、计量经济学、工程信号处理和工程控制论中，经 常涉及如下形式的线性模型： ● Yi=∑3，t，，+F。 O=1，…，) J；O 系数向量∥垒p。，…，b。)。的统计辨识问题。 假定对上述模型进行了n次观测(或实验)，测量对蒙y的n组采样数据所形成的集合 为D。垒{儿，…，儿)·则模型系数卢的最小二乘(Ls)辨识算法为： 几(。)垡4(。)‘4(。))-1』(。)7‘。) (2) ql…q一{ j 式中，A(．)= I，‘。)= 口Ⅲ…％。J 纠 关于最小二乘辨识方法的统计分析，已有大量的研究成果见诸文献f”】。理论研究揭 示，该方法具备良好的统计特性(例如，无偏性、相台性j一致最小方差估计，等等)．从 理论上看，该统计量的性质是十分完善的，其数学表达式也是简洁、完美的． 但是，在一些实际问题的应用过程中．其效果并不象理论分析那么令人满意。特别是 当测量数据集台D。中含有少量的“严重偏离大部分数据所呈现的变化趋势”m21的异常 ● 数据点(即野值点，Outlicrs)时，最d,乘估计对异常数据过于敏感的缺陷【3’41成为影响 处理结果可靠性的一个重要因素． ● 自奉世纪60年代以来，特别是Huber等人刨立稳健统计‘3’4’理论以来，统计量卢k㈨ 缺乏稳健性的缺陷日益为统计理论工作者所重视。进行的各种理论分析证实”-4】，该统计 方法缺乏定性稳健性、偏改变灵敏度和方差改变灵敏度均为∞、崩溃点为0。 如何改进己有的方法或重构新的方法，使之不但具有良好统计特性，和在一定范围内 ～616～ 的最优或次优性，而且具备良好的抗异常数据干扰能力，这是稳健统计、稳健信号处理和 稳健控制理论研究关注的焦点． 本文基于对测量数据新息增量过程的分析，构造一组回归系数有界影响辨识算法．并 通过仿真计算证实了该算法方法能有效地克服异常采样数据的不利影响，提高统计推断的 可靠性。 2 异常数据影响分析 对线性回归模型(1)，假定新增～组测量数据y川，采用这+1个样本点构造的回归 系数最小二乘辨识为： 儿扣m垒(4m1)’4¨J)。14¨)7‘M) t=万面+瓦徽导急慧io。’。，‘瓦磊)(3) ● 式中，口c川1=(口川J，…，a肘I．m)‘ 引进记号 Y。。矿Y。。一a二万：= (4) 显然-苁a+tfa)是对测量对象_y川的一步预报残差．可以证明·当过程{s，}满足 E8 i=0及Es。s，．={；2：i；：；ci，’=，，：，…，一， 时