基于最小二乘法的系统辨识.pdf

课程 （论文）题目：基于最小二乘法的系统辨识 摘要：最小二乘法是一种经典的数据处理方法。最小二乘的一次性完成辨识算法 （也称批处理算 法），他的特点是直接利用已经获得的所有 （一批）观测数据进行运算处理。在系统辨识领域中,最 小二乘法是一种得到广泛应用的估计方法,可用于动态系统,静态系统,线性系统,非线性系统。在随 机的环境下，利用最小二乘法时，并不要求观测数据提供其概率统计方面的信息，而其估计结果， 却有相当好的统计特性。 关键词：最小二乘法；系统辨识；参数估计 1 引言 最小二乘理论是有高斯 （K.F.Gauss）在1795 年提出：“未知量的最大可能值是这样 一个数值，它使各次实际观测值和计算值之间的差值的平方乘以度量其精度的数值以后 的和最小。”这就是最小二乘法的最早思想。 最小二乘辨识方法提供一个估算方法，使之能得到一个在最小方差意义上与实验数 据最好拟合的数学模型。递推最小二乘法是在最小二乘法得到的观测数据的基础上，用 新引入的数据对上一次估计的结果进行修正递推出下一个参数估计值，直到估计值达到 满意的精确度为止。 对工程实践中测得的数据进行理论分析，用恰当的函数去模拟数据原型是一类十分 重要的问题，最常用的逼近原则是让实测数据和估计数据之间的距离平方和最小，这即 是最小二乘法。最小二乘法是一种经典的数据处理方法。在随机的环境下，利用最小二 乘法时，并不要求观测数据提供其概率统计方面的信息，而其估计结果，却有相当好的 统计特性。 2 最小二乘法的系统辨识 设单输入—单输出线性定常系统的差分方程为： x(k) a x(k 1)  a x(k  n) b u(k)  b u(k  n),k 1,2,3, （1） 1 n 0 n 上式中：u(k) 为输入信号；x(k) 为理论上的输出值。x(k)只有通过观测才能得到， 在观测过程中往往附加有随机干扰。x(k) 的观测值y(k)可表示为 y(k) x(k) n(k) （2） 将式 （2）代入式 （1）得 y(k)a y(k 1)  a y(k  n) b u(k) bu(k 1)  1 n 0 1 n b u(k  n) n(k) a n(k  i) (3) n i i 1 我们可能不知道n(k) 的统计特性，在这种情况下，往往把n(k)看做均值为0 的白噪 声。 设 n  (k) n(k) a n(k  i) 4  i （） i 1 则式 （3）可以写成 y(k) a y(k 1)  a y(k  n) b u(k) bu(k 1)  1 n 0 1 b u(k  n) (k) (5) n 在测量u(k) 时也有测量误差，系统内部也可能有噪声，应当考虑它们的影响。 因此假定 (k)不仅包含了x(k) 的测量误差，而且还包含了u(k) 的测量误差和系统 内部噪声。假定 (k)是不