一类有色噪声干扰系统的辅助模型多新息辨识方法.pdfVIP

第24卷 第 1期 青 岛大 学 学报 (工 程 技 术 版 ) Vo1．24NO．1 2009年 3月 JOURNALOFQINGDAOUNIVERSITY (ET) M 8r．200 9 文章编号 ：1006—9798(2009)O1—0035—06 一 类有色噪声干扰系统的辅助模型多新息辨识方法 栾创业 ，宋桂玲 ，初燕云 ，王冬青 (1．青岛大学 自动化工程学院，山东 青岛266071； 2．淄博兰雁集团有限责任公司，山东 淄博 255300) 摘要 ：针对一种有色噪声干扰系统，把标量新息扩展为向量新息(即多新息)，将最小二乘 算法 、随机梯度算法分别和辅助模型方法结合 ，提出了基于辅助模型的多新息最小二乘算 法和基于辅助模型的多新息随机梯度算法。与传统最小二乘算法和随机梯度算法相 比， 所提出的算法可有效提高收敛速度和辨识精度 ，其中基于辅助模型的多新息随机梯度算 法 比基于辅助模型的多新息最小二乘算法计算量少 、收敛速度快 。仿真例子验证了算法 的有效性 。 关键词：有色噪声干扰系统；多新息辨识方法；最d,-乘算法；随机梯度 ；辅助模型 中图分类号 ：TP273 文献标识码：A 多新息辨识方法是近来研究 比较多的一种模型辨识方法 ，在每一步的递推过程中，不仅使用当前可测 的 输入输出数据 ，还同时使用过去多步的输入输出数据 ，以减弱不良数据 的影响，具有较好 的鲁棒性 。所 以多 新息方法具有收敛速度快、辨识精度高等特点[1]。多新息辨识方法广泛应用到多种模型的辨识当中，例 如 ，应用于前向神经网络的多新息算法I5]，多输入多输出时变系统的多新息投影算法 ]，自回归模型的多新 息方法L7等 。辅助模型思想提出于 20世纪 90年代 ，多用于辨识输 出误差类模型，如多变量系统的辅助模型 算法 ]，基于辅助模型的增广随机梯度算法[9]，基于辅助模型的多率系统随机梯度算法 ¨】叩等 。作者将多新 息辨识理论加以扩展 ，结合辨识输出误差类模型的辅助模型方法[2]，用于研究一类 随机系统模型的参数辨 识问题，提出相应的基于辅助模型的多新息最小二乘算法和多新息随机梯度算法 。其中基于辅助模型的多 新息随机梯度算法能克服基于辅助模型的多新息最小二乘算法 由于需要计算协方差矩阵而产生的计算量大 的缺点，又保留基于辅助模型的随机梯度算法不需要矩阵求逆运算的优点，从而加快收敛速度。 1 基于辅助模型的多新息算法 考虑有色噪声干扰模型描述的系统 F() (￡)一 (￡)+D(z) (￡) (1) 式 中，{())和{(￡)}分别为系统 的输入和输出序列 ；{()}为零均值、不相关随机 白噪声序列 (不可测)； F()，A()，B(z)和 D()是单位后移算子 z 的多项式[2 ()=y(t--1)3，定义为 F(z)一1+厂1z +f2z +…+ ，～， A ()一 1+ 以1一 +口2一 + … + 一 B ()一b1一 +b2 4-… +6 b ， D(z)一1+d1 +d2z一。+ …+d Z -nd