华理系统辨识（顾幸生）第5章最小二乘类辨识算法II201510.pdf

第5章 最小二乘类参数辨识方法（二） 1 主要内容 5.1 自适应辨识算法 5.2 偏差补偿最小二乘法 5.3 增广最小二乘算法 5.4 广义最小二乘法 5.5 辅助变量法 5.6 相关二步法 5.7 多级最小二乘法 5.8 几种辨识方法的性能比较 5.1 自适应辨识算法 最小二乘算法存在着两方面的缺陷 （1）当模型噪声是有色噪声时,最小二乘参数估 计不是无偏、一致估计。 （2 ）随着数据的增长，最小二乘法将出现数据 饱和现象，这是由于增益矩阵K(k) 随着k 的增 加将逐渐趋近于零，以致递推算法慢慢失去修 正能力 。 3 针对这些现象 提出了一些修正算法 解决数据饱和问题 介绍两种方法  遗忘因子法  限定记忆法 4 （RWLS-Regressive Weighted Least Square ）：    T (k) (k 1) K (k)[z (k) h (k)(k 1)] T 1 1 K (k ) P(k 1)h(k)[h (k )P(k 1)h(k )  ] Λ(k ) P(k) [I K (k)hT (k)]P(k 1) （1）根据一批数据，利用一次完成算法，预先求得 （5.1.1）  T 1 P (L ) (H  H )  0 L0 L0 L0 ˆ T （5.1.2） (L ) P (0)H  z  0 L0 L0 L0 （2）直接给定初始值 2 P(0) a I ，a - 充分大的实数 （5.1.3） ˆ (0)   ， - 充分小的实向量 k 根据定义， T 1 T 1 是正 P(k ) [ Λ(i)h(i)h (i)] [H Λ H ]  k k k i 1 定的，则P 1(k ) 也是正定的，那么有：  T