第十四章 最小二乘法辨识.pptVIP

一、第一种方法 这一方法可分成三步：第一步确定原系统脉冲响应序列；第二步估计系统参数；第三步估计噪声模型参数。 第一步：确定原系统的脉冲响应序列。 根据式(14-6)，系统的差分方程可表示为 (14-111) 式中 为有色噪声，可用下式表示： 式中 为白噪声序列。 (14-112) 第二节 辅助变量法辨识与递推辅助变量法辨识 辅助变量法是一种在最小二乘法基础上作了某些改进的参数估计方法，其运算与最小二乘法同样简单。 设原辨识方程(14-9)为 实际上， 往往是相关随机序列。 假设存在着一个 的矩阵 （与 同维数），满足下列约束条件 式中 是非奇异矩阵。 (14-46) (14-47) 用 左乘式(14-9)的两边，得 (14-48) 作为 的估值，则称估值 为辅助变量估值，矩阵 为辅助变量矩阵， 中的元素称为辅助变量。 从式(14-50)可知， 与最小二乘法的估值 的计算公式(14-18)具有相同形式，因此计算也同样简单。 从上式得到 (14-49) 如果取 (14-50) 根据式(14-49)和式(14-50)得 (14-51) 当N很大时，对上式等号两边取极限，即 (14-52) 因此辅助变量法估计是无偏的。 根据式(14-46)和式(14-47)所假定的约束条件，可得 (14-53) 现在的问题是如何确定辅助变量矩阵 的各个元素――辅助变量。根据式(14-46)和式(14-47)所假设的 的性质，可以简单地理解为辅助变量与 序列相关，但辅助变量应与 和 中 强烈相关。 有各种不同的选择方法，一种选择方法是 (14-54) 中和系数 正是所要求的，但这些系数尚未确定，只得先用最小二乘法求出它们的粗略值，然后将这些值代入式(14-55)，得到 。由于辅助模型(14-55)中没有含 ，所得到的 与 序列不相关。前面已假定 与 不相关，所以与 不相关，即 与 不相关。对于辅助变量法可用图14-2表示。 式中 就是辅助变量， 是下列辅助模型的输出： (14-55) 为了实现在线辨识，需要用递推辅助变量法辨识。下面讨论递推辅助变量法辨识。 设 由上节得知。基于输出值 ，和输入值 及辅助变量 ，可得到 的辅助变量法估计。 (14-56) 为了建立递推关系，需要继续给出新的输入量、输出量和辅助变量 、 及 。令 ， ，则得 式中 (14-57) 按照本章第一节递推最小二乘法公式的推导方法，可得递推辅助变量法的计算公式如下： (14-58) (14-59) (14-60) 初始条件也可选为是 充分大的数， 为 单位矩阵。 递推辅助变量法的缺点是对初始值 的选取比较敏感。最好在前50至100个采样点用递推最小二乘法，然后转换到辅助变量法，以 和 作为递推辅助变量法的初始值。 第三节 广义最小二乘法辨识与递推广义 最小二乘法辨识 本节讨论克服最小二乘法有偏估计的另一种方法――广义最小二乘法和递推广义最小二乘法辨识。这种方法的计算比较复杂，但效果比较好。 设系统的差分方程为 式中 (14-61) 若已知有色噪声序列 的相关性，随机序列 可用成形滤波器产生。设成形滤波器的差分方程为 式中 是均值为零的白噪声序列， 的多项式。 可表示成 或 (14-62) (14-63) (14-64) 式中 是 的多项式，即 把式(14-65)代入式(14-63)，得 或 (14-65) (14-66) 将上述方程看作输入为零的差