S4_参数估计LS算法幻灯片.pptVIP

第4讲 最小二乘估计算法 多维参数估计的最小二乘算法原理 最小二乘的基本算法（LS算法） 统计特性 最小二乘算法的递推形式 实时算法说明 Matlab 实现递推最小二乘算法 多维参数估计的最小二乘算法原理 对模型 y = q1 x1 + q2 x2 + ... + qn xn 作N次观测 y(i) = q1 x1(i) + q2 x2(i) + ... + qn xn(i) i=1,2, ... N y(k) = ?T(k) q + ?(k) ?T＝[ x 1 , x2 , ... x n ] , q＝[ q 1 , q 2 , ... q n ]T 最小二乘的基本算法（LS算法） 充要条件 加权最小二乘法（WLS算法） =〉 - 2FT W ( y - Fq ) = 0 统计特性 是q的无偏估计 无偏性 =〉 若FT 和? 互不相关， =0 有效性 统计分析 定义残差阵 R = E { ? ?T }，最终得到最小二乘估计参数的协方差 加权最小二乘估计 Markov估计具有最小的参数误差的协方差，因此也被称为最小方差估计， 方程误差为零均值的独立同分布的情况， R = E { ? ?