系统辨识作业1.docVIP

《系统辨识》 作业1 题 目 最小二乘参数估计仿真 学 院 信息科学与工程学院 专 业 控制科学与工程 姓 名 王瑞荣 学 号 030120694 教 师 顾幸生 2012年12月26日 一：一般最小二乘法 考虑仿真系统： 式中，为方差为1的白噪声。 选用幅值为1的逆M序列作为输入信号，利用LS算法进行参数估计，仿真结果如下表所示。 表1.1 批处理最小二乘法的参数估计结果 参数 a1 a2 b0 b1 真值 -1.5 0.7 1.0 0.5 估计值 -1.4549 0.6588 1.0576 0.5125 仿真程序： %批处理最小二乘参数估计（LS） clear all; a=[1 -1.5 0.7]; b=[1 0.5]; d=3; %对象参数 na=length(a)-1; nb=length(b)-1; %na、nb为A、B阶次 L=500; %数据长度 uk=zeros(d+nb,1); %输入初值：uk(i)表示u(k-i) yk=zeros(na,1); %输出初值 x1=1; x2=1; x3=1; x4=0; S=1; %移位寄存器初值、方波初值 xi=randn(L,1); %白噪声序列 theta=[a(2:na+1);b]; %对象参数真值 for k=1:L phi(k,:)=[-yk;uk(d:d+nb)]; %此处phi(k,:)为行向量，便于组成phi矩阵 y(k)=phi(k,:)*theta+xi(k); %采集输出数据 IM=xor(S,x4); %产生逆M序列 if IM==0 u(k)=-1; else u(k)=1; end S=not(S); M=xor(x3,x4); %产生M序列 %更新数据 x4=x3; x3=x2; x2=x1; x1=M; for i=d+nb:-1:2 uk(i)=uk(i-1); end uk(1)=u(k); for i=na:-1:2 yk(i)=yk(i-1); end yk(1)=y(k); end thetae=inv(phi*phi)*phi*y %计算参数估计值thetae 二：递推最小二乘算法 算法： 已知：na、nb和d 。 Step1 设置初值和，输入初始数据； Step2 采样当前输出和输入； Step3 利用递推公式，计算K(k)、和； Step4 ,返回Step2,继续循环。 考虑仿真系统： 式中，为方差为1的白噪声。 取初值、。选择方差为1的白噪声作为输入信号，采用RLS算法进行参数估计，仿真结果如图1.2所示。 图1.2 递推最小二乘法的参数估计结果 当k=35时，参数估计值为。 仿真程序： %递推最小二乘参数估计（RLS） clear all; close all; a=[1 -1.5 0.7]; b=[1 0.5]; d=3; %对象参数 na=length(a)-1; nb=length(b)-1; %na、nb为A、B阶次 L=35; %仿真长度 uk=zeros(d+nb,1); %输入初值：uk(i)表示u(k-i) yk=zeros(na,1); %输出初值 u=randn(L,1); %输入采用白噪声序列 xi=sqrt(0.1)*randn(L,1); %白噪声序列 theta=[a(2:na+1);b]; %对象参数真值 thetae_1=zeros(na+nb+1,1); %thetae初值 P=10^6*eye(na+nb+1); for k=1:L phi=[-yk;uk(d:d+nb)]; %此处phi为列向量 y(k)=phi*theta+xi(k); %采集输出数据 %递推最小二乘法 K=P*phi/(1+phi*P*phi); thetae(:,k)=thetae_1+K*(y(k)-phi*thetae_1); P=(eye(na+nb+1)-K*phi)*P; %更新数据 thetae_1=thetae(:,k); for i=d+nb:-1:2 uk(i)=uk(i-