梯度校正参数辩识方法[]（PPT X页）.pptVIP

证明思路 根据定义，参数估计值的偏差为 可得 （a） ，对于所有的 ； （b） ，对于所有的 ； （c）当 时，有 ； （d） ，对所有的 。 由定理给定的条件可知（a）、（b）和（c）一定满足。 设 是Hessian矩阵在k时刻的估计值，则有 由Robbins－Monro算法，得 的随机逼近算法： 于是得到模型的随机牛顿算法（SNA）如下： 其中为满足条件（D）的收敛因子。 7.5 差分方程的参数辨识 下面直接辨识差分方程模型： 所有关于噪声的假设同上一节，并且噪声模型的参数已知，同上一节的推导过程一样，由： 因此，有： 最后，我们得到： 注意：当 时，上式 不能化为待辨识参数的线性形式，因此不能确定参变量 和方阵M。此时，如果在上式中，利用 代替P，则直接用以下算法：