- 1、本文档共10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17讲要点
第8章 极大似然法和预报误差方法
8.1 引言
方法:构造似然函数,通过极大化似然函数获得模型的参数估计
要求的先验知识:模型输出量的条件概率密度函数
优点:此方法所获得的参数估计具有良好的渐近性质
缺点:此方法的计算量较大
预报误差方法本质上是极大似然法的一种推广
8.2 极大似然参数估计辨识方法
8.2.1 极大似然原理
设是随机变量,已知条件概率密度函数,观测序列为,记为向量形式,则的联合条件概率密度函数为,那么参数的极大化似然估计就是使的参数估计值。即有:
或
给定一组数据,此时只是的函数,我们称为的似然函数,记为。因此极大似然原理可表示为:
(A)
或
(B)
其中称为对数似然函数。称作极大似然参数估计值。
物理意义:对一组确定的随机序列,设法找到参数估计值,使得随机变量在条件下的概率密度函数最大可能地逼近随机变量在(真值)条件下的概率密度函数,即有:
可以证明:(A)或(B)式是实现上式的条件。
Kullback-Leibler信息测度:我们称
为Kullback-Leibler信息测度。可以证明:
8.2.2 动态过程模型参数的极大似然估计
考虑以下模型:
(C)
其中:是均值为零,方差为的服从正态分布的白噪声。令:
且假定过程是渐近稳定的,即、和没有公共因子,且和的零点都位于平面的单位圆内。
噪声模型已知的情形(已知)
将模型(C)写成最小二乘格式:
其中:
因为:
则有:
记噪声的协方差阵为,则由的正态性,可知:
因此,有:
对应的对数似然函数为:
由极大似然原理可得:
(D)
并且
因此(D)式给出了参数的极大似然估计值。此时的恰好是参数的Markov估计。
如果,则
此时,参数的极大似然估计和最小二乘估计是等价的。
对噪声方差的极大似然估计:
对噪声方差的最小二乘估计:
注意两者的区别。
噪声模型未知的情形(未知)
此时,令
我们有:
根据考察的模型(C),有:
将此式代入到上式,我们有:
由于当观测至时刻时,时刻以前的、和都已经确定,且与及无关,因此上式可以写成:
记:
则有对数似然函数:
(E)
其中满足:
(F)
利用极大似然原理,由
得噪声方差的极大似然估计:
将此式代入(E),可得:
再次利用极大似然原理,参数的极大似然估计必须使得:
令:
(G)
则这等价于使得
(H)
其中满足(F)的约束条件。
结论:在未知的情形下,求模型(C)的参数的极大似然估计等价于以下带有约束条件的优化问题:优化的目标函数为(G),约束条件为(F)。同时噪声方差的极大似然估计值为。
Lagrangian乘子法:
根据以上得到的结论,求解带有约束条件的优化问题。引入Lagrangian乘子,构造Lagrangian函数:
由此,上述优化问题转化为Lagrangian函数对、和的求最小值问题。
第一步:取
并令:
得到下面的方程组:
(I)
第二步:就Lagrangian函数对求导,并令其为零,得:
(J)
因此,当给定和的初始值及输入输出数据,则由(J)可以计算得到,再利用由(I)式可以计算得到。由于和与有关,对不能以线性的形式进行估计,因此必须对
进行搜索,方可求得,使得。
具体的搜索过程参见P238。
Newton-Raphson法
注意: Newton-Raphson法求解以上优化问题,本质上是一种递推算法,每得到L次观测数据递推一次的算法。
优化问题见上面。设是利用第批输入输出数据 ,所求得的极大似然估计值,它使得
或
达到最小。
当我们进一步获得一批新的输入输出数据 ,由此可以求得,使得
(K)
达到最小。
根据Newton-Raphson原理,我们有:
(P)
其中为Hessian矩阵。
将(K)式写成递推形式,即:
则可以求得:
及
因此有:
由上式递推,得
故有:
(Q)
将(Q)式代入(P)式,便可获得的递推算法。
算法的具体步骤可以参见P240。
9
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)