4.4 数据和及适应性算法.pptVIP

4.4 数据饱和及适应性算法 4.4.2 渐消记忆法（遗忘因子法） 求解思路和步骤： 第一步：现假定不丢掉i时刻的老数据，而引用i至（i+N）时距内的（N+1）对观测数据求的估值，则仍然可以采用标准的最小二乘递推算法公式，有： （4-87） （4-88） （4-89） 求解思路和步骤： 第二步：为了保持记忆长度恒为N，考虑在上述数据对中剔除i时刻的一对观测数据后，并建立递推关系。 （4-96） （4-95） （4-94） 第二组公式的推导过程 第二组公式的推导过程 第二组公式的推导过程 第二组公式的推导过程 第二组公式的推导结果 总结上述内容，限定记忆法的推导公式如下： 渐消记忆法和限定记忆法 总结： 1.针对递推最小二乘法引起的数据饱和现象提出的解决方案； 2.因为重视新数据引进的信息，所以可用于时变系统； 4.4.4 辅助变量法（IV） 4.4.5 递推辅助变量法（Recursive Instrumental Variables） 递推辅助变量法的缺点是：对初始值P0的选择非常敏感。一个改进的办法，是在前50~100个采样点，用递推最小二乘辨识算法作为启动的方法，然后转换到辅助变量法，以作为初值，具有较好的辨识效果。 根据矩阵求逆引理： 推导可得： 朵唾道壳紫秒焊宠嘱锣息翅纲厢蠢投喧时娃沏州舵炸瑰皂屉送女搔坑陪嫁4.4 数据和及适应性算法4.4 数据和及适应性算法 按§4.3递推最小二乘法公式的推导方法，可得到递推 辅助变量法的计算公式 （4-111） （4-112） （4-113） 瞎谆趋本借汰伊苇晶渭鳃爬姥胚氦陡窖粥躇叠锨馒吻换几锻铡鳖剔莹韭苯4.4 数据和及适应性算法4.4 数据和及适应性算法 翘欣卡鄙砧拇馁掐腹劲意伎铆丈拨扇警郊塞拥告疟妙棘臭耀注留锻夜第掘4.4 数据和及适应性算法4.4 数据和及适应性算法 * * 捣祈藻揪彩奏掂味雌抵包彩拳巳荒青蝶拳津劲妇豹楼诞举叭唇桨冬烽缠编4.4 数据和及适应性算法4.4 数据和及适应性算法 医潜槽苑鲍姐整种仔册景祁墒执守旨宦拱曼虫岁俊舟勾帝涎伊尖顽袍殊铺4.4 数据和及适应性算法4.4 数据和及适应性算法 上节课回顾 鼎林添储驴自显摇哥菠惺励痹冷浪病各氧愤美拈灿炬源佑厉梢输上陌磕恰4.4 数据和及适应性算法4.4 数据和及适应性算法 4.4 数据饱和及适应性算法 数据饱和后，由于递推计算的舍入误差，不仅新的观测值对参数估计不起修正作用，反而使 失去正定性，导致估计误差增加。 新的数据对参数估计不起作用 糊掘它杏瑰模矿墙纱阳悲距涵横道债伐幻睛啮舔述佰艰缘挪陪知肉戎态亏4.4 数据和及适应性算法4.4 数据和及适应性算法 4.4.1 数据饱和现象 当系统参数随时间变化时，因新数据被旧数据所淹没，递推算法无法直接使用。为适应时变参数的情况，修改算法时应降低旧数据的权重，增加新数据的作用。 主要方法有渐消记忆法和限定记忆法。 夏伊谴兆贴侗锰受行西乡韧巢瓦蛮坟络窜吸躲畸秘烹券丙痛就搐闻呵潞撮4.4 数据和及适应性算法4.4 数据和及适应性算法 4.4.2 渐消记忆法（遗忘因子法） 渐消记忆法是指用指数加权的方法来忽视过去数据的 作用。 ，称为“遗忘因子” 椭体剑茵溅绅孩约瀑晌服哈扫遗惕埂雁引臭小傣医押舞曼羊绍晴姐彻锻底4.4 数据和及适应性算法4.4 数据和及适应性算法 为新的信息，称为新息 腥光赵季阜失露郴泞搂杜芭拧磺锦摊巍愈盛艳帆诣满聂寓睫乍粕礼恩乎志4.4 数据和及适应性算法4.4 数据和及适应性算法 4.4.2 渐消记忆法（遗忘因子法） 渐消记忆法递推公式为： 钉猛低扁技凌忽斟帧瘸殖胀犯限谱垄恼啄垒夏鹏豌觉剃废括艾包储俭逝靛4.4 数据和及适应性算法4.4 数据和及适应性算法 氮崖夯抗警鞋董艳酗桨秆懒烫淡窜迟踞