- 1、本文档共11页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
《系统辨识》第11讲要点
第5章 线性动态模型参数辨识-最小二乘法
5.13 辅助变量法
5.13.1 辅助变量法原理
考虑如下模型
式中u(k)和z(k)分别为模型输入和输出变量;e(k)是均值为零、方差为的有色噪声;和为迟延算子多项式,记作:
其中na和nb 为模型阶次。由于e(k) 是有色噪声,利用最小二乘原理不能获得模型参数的无偏、有效、一致估计。
把模型写成最小二乘格式:
式中
为了获得模型参数的无偏、一致估计,设模型残差为:
可以证明,如果能够设法使上式中的残差序列与过去的数据序列不相关,则可获得模型参数 的无偏估计。为此,就须从过去的数据集合中设法衍生出一个有限维的向量,使之与残差序列不相关,即。这样,准则函数就可写成如下形式:
式中
上式可以看作加权阵取 的一种加权准则函数。极小化之,当非奇异时,可以获得模型参数的辅助变量估计:
这种辨识思想称作辅助变量原理,对应的辨识方法叫作辅助变量法。是从过去数据集合中引伸出来的向量,称作辅助向量,由此组成的称作辅助矩阵。不难证明,如果下面两个条件能够满足,则由算法获得的模型参数估计是收敛的,即有。
① 是非奇异的;
② 。
通过适当选择辅助变量向量,上述两个条件是可以满足的。
5.13.2 辅助变量的选择
当噪声e(k)与模型输入u(k)不相关,且输入u(k)为持续激励信号时,可按下列方法之一选择辅助向量:
①
②
③
④
式中 为噪声模型的阶次。
特别应该指出,如果选第④种辅助向量,以此构成的辅助变量法相当于另一种称作相关二步法的辨识方法。这可简要分析如下:
① 当辅助向量选时,所构成的辅助变量算法相当是如下正则方程:
的最小二乘解,式中,为模型噪声向量。
② 如果数据是平稳的,那么上述正则方程也可写成以相关函数表示的最小二乘格式:
式中相关函数定义为:
③ 对上述以相关函数表示的正则方程,运用最小二乘原理亦可获得模型的参数估计值。
④ 这种先建立相关函数正则方程,即模型两边同乘以u(k-l),并取数学期望,再求最小二乘解的方法就叫作相关二步法。它与辅助向量取时的辅助变量算法是等价的。
5.13.3 递推算法
和推导最小二乘递推算法一样,由辅助变量批处理算法可导出如下的递推计算形式,记作RIV(Recursive Instrumental Variable algorithm):
同理,也可推导出辅助变量法的残差与新息的关系:
或
及准则函数J(k)的递推计算式
式中是 k 时刻的新息。
5.14 相关两步法
考虑如下模型
式中u(k)和z(k)分别为模型输入和输出变量;e(k)是均值为零、方差为的有色噪声;和为迟延算子多项式,记作:
其中,na和nb 为模型阶次,e(k)是零均值噪声,且与输入信号无关。
上述模型可变换成:
定义:
写成最小二乘格式:
说明:模型噪声已经不存在,是计算相关函数带来的误差。对上述最小二乘格式可利用最小二乘算法来估计模型参数。
注意:1、当输入为白噪声序列的时候,由,及:,我们有:
2、当输入是M序列时,由:
我们有:
3、当取时,可将模型
写成:
若令
则有
或
写成
对该式运用最小二乘算法,可得
得到的结果与辅助变量法的结果是一致的。
5.15 多级最小二乘法
考虑如下模型
式中u(k)和z(k)分别为模型输入和输出变量;v(k)是均值为零、方差为的白噪声。应用广义最小二乘法时,当噪声较大时,很难得到全局最小。现在用多级最小二乘法来辨识。
第一级:辅助模型参数辨识
令:
则有:
置:
则有:
由此可以辨识参数:
其中:
第二级:过程模型参数辨识
由于:
令:
比较上式两边的次数,有:
其中:
(见书P190)
用的估计值代替上面的矩阵得,则有:
由此可以辨识参数:
第三级:噪声模型参数辨识
由:
令:
比较上面式子两边得次数,我们有:
其中:
(见书P190)
(见书P190)
用第一级、第二级获得的估计值代替上式中的,得:
由此可以辨识参数:
注意:和广义最小二乘法的比较。
5.16 Yule-Walker辨识算法
考虑如下AR模型:
(A)
其中:是可以观测的数据序列;是不可观测的、均值为零、方差为1的白噪声序列;并且
记模型残差为:
取准则函数为:
其中:,极小化准则函数,令:
可得:
(B)
即有:
因此,可得:
其中的自相关函数可由下式计算:
其中为数据的长度。
令:
我们有:
上式称作Yule-Walker方程,矩阵为Toepli
您可能关注的文档
- 《变态心理学》笔记.doc
- 《变态心理学》考纲笔记.doc
- 《健康心理学》笔记补充.doc
- 《健康心理学》表格.doc
- 《健康心理学》大纲.doc
- 《健康心理学》总提纲.doc
- 《临床心理学》笔记.doc
- 《临床心理学》笔记2.doc
- 《临床心理学》复习题.doc
- 《临床心理学》整理.doc
- 《GB/T 32151.42-2024温室气体排放核算与报告要求 第42部分:铜冶炼企业》.pdf
- GB/T 32151.42-2024温室气体排放核算与报告要求 第42部分:铜冶炼企业.pdf
- GB/T 38048.6-2024表面清洁器具 第6部分:家用和类似用途湿式硬地面清洁器具 性能测试方法.pdf
- 中国国家标准 GB/T 38048.6-2024表面清洁器具 第6部分:家用和类似用途湿式硬地面清洁器具 性能测试方法.pdf
- 《GB/T 38048.6-2024表面清洁器具 第6部分:家用和类似用途湿式硬地面清洁器具 性能测试方法》.pdf
- 《GB/T 18238.2-2024网络安全技术 杂凑函数 第2部分:采用分组密码的杂凑函数》.pdf
- GB/T 18238.2-2024网络安全技术 杂凑函数 第2部分:采用分组密码的杂凑函数.pdf
- 《GB/T 17215.686-2024电测量数据交换 DLMS/COSEM组件 第86部分:社区网络高速PLCISO/IEC 12139-1配置》.pdf
- GB/T 13542.4-2024电气绝缘用薄膜 第4部分:聚酯薄膜.pdf
- 《GB/T 13542.4-2024电气绝缘用薄膜 第4部分:聚酯薄膜》.pdf
文档评论(0)