第03讲LS法资料.pptVIP

2 基本算法(12/14) (2) Markov估计(最小方差估计). 当回归方程(3)的噪声向量WL的统计协方差矩阵?L=E(WLWL?)已知时,取加权矩阵?L=?L-1,则此时的加权LS估计qWLS称为Markov估计qMLS,其解的形式为 * * 2 基本算法(13/14) 对系统辨识问题,还存在一个可辨识性问题. 当给定输入输出数据时,对假定的模型结构是否能唯一地确定模型的参数,这就是可辨识问题. 在上述LS估计问题中,可辨识性即为基于参数模型的辨识问题归结的模型参数的LS最优化问题是否存在唯一解问题. 可辨识性直接与系统的结构、系统的输入输出信号的性质相关. 与系统结构的关系 对输入输出模型,则有求系统阶次准确已知,系统传递函数模型的分子分母互质. 对状态空间模型,则要求系统能控并能观. * * 2 基本算法(14/14) 与输入信号的关系. 要求过程的所有模态都必须被输入信号“持续激励”,即系统的输入输出信息“充分丰富”. 此外系统的观测数据矩阵?L的各列线性无关,输入u(k)应有充分的变化(其频带较宽),还要与输出y(k)相对“独立”. 对输出反馈闭环系统,反馈环应存在纯滞后环节. LS估计的可辨识条件为矩阵?L??L?L必须是非奇异的. 常用的输入信号:随机序列、伪随机序列、频带较宽的离散序列. * * 3 LS估计的数值计算(1/3) 3 最小二乘估计的数值计算