尹怡欣《系统辨识与参数估计》课程讲义(2006)x.docVIP

目 录 TOC \o 1-3 \h \z \u 1 绪论（2学时） 4 1.1 对象描述的基本概念——系统、过程和对象 4 1.2 模型和数学模型 5 1.2.1 模型（model） 5 1.2.2 数学模型的分类 5 1.2.3 建模的基本方法—理论建模（白箱） 5 1.2.4 建模的基本原则 5 1.3 系统辨识问题的一般表达式 6 1.4 辨识算法的基本原理 7 1.5 辨识中的误差准则 8 1.6 系统辨识的基本内容和步骤 8 1.6.1 辨识的过程 8 1.6.2 辨识的主要内容 8 1.6.3 辨识步骤 9 2 数学基础（2学时，可自学） 9 2.1 矩阵和矩阵微分 9 2.1.1 分块矩阵的行列式及其求逆公式 10 2.1.2 矩阵（或向量）的微分运算 11 2.2 概率论和随机过程 14 2.2.1 概率轮基础知识 14 2.2.2 随机过程 16 2.3 常用优化方法 21 3 MATLAB基础（2学时） 21 3.1 MATLAB环境的安装、设置与基本操作 22 3.2 MATLAB的基本语句结构和矩阵的基本运算 22 3.3 MATLAB的程序设计、函数的编写与调用 22 3.4 MATLAB的文件操作与绘图功能 22 4 模型与模型转换（2学时） 22 4.1 模型要素及模型分类 22 4.1.1 模型要素 22 4.1.2 模型分类 22 4.2 确定性线性系统模型及其相互转换 23 4.2.1 输入输出模型 23 4.2.2 状态空间模型 24 4.2.3 模型的等价变换 25 4.3 随机性线性系统模型 25 4.3.1 扰动的来源 25 4.3.2 线性离散随机模型 25 4.4 非线性系统模型的表示方法 30 5 经典工程建模方法（4学时，可自学） 30 5.1 阶跃响应法 30 5.1.1 由阶跃响应曲线确定一阶非周期环节的参数 31 5.1.2 确定具有纯延时的一阶非周期环节的参数 32 5.1.3 确定二阶环节的参数 33 5.2 脉冲响应法 34 6 基本最小二乘参数估计（LS）（6学时） 37 6.1 最小二乘法的基本原理 38 6.2 最小二乘法问题的解——批量算法 39 6.2.1 LS问题的解 39 6.2.2 LS对输入信号的要求 39 6.2.3 LS的计算步骤 42 6.2.4 举例 42 6.3 最小二乘估计的几何解释 43 6.3.1 正交投影的定义 43 6.3.2 LS估计的正交投影性 43 6.4 最小二乘估计的统计性质 45 6.4.1 一般随机估计序列的设计性质 45 6.4.2 LS估计的统计性质 46 6.5 递推最小二乘估计算法RLS 48 6.5.1 SISO系统的RLS 48 6.5.2 SISO系统的加权最小二乘法WRLS 49 6.5.3 MIMO系统的最小二乘法RLS 49 6.6 小结 LS－Least Squares 49 7 最小二乘扩展算法（4学时） 50 7.1 适应性算法 50 7.1.1 “数据饱和”现象（P→0） 50 7.1.2 遗忘因子法（渐消记忆法，指数窗法） 51 7.1.3 限定记忆法（矩形窗法） 51 7.2 增广最小二乘法ELS 52 7.3 广义最小二乘法GLS 53 7.3.1 批量GLS松弛算法 53 7.3.2 递推GLS (RGLS) 54 7.4 辅助变量法IV 55 7.5 相关分析——最小二乘两步法COR-LS 56 7.6 最小二乘类参数估计方法的比较 61 8 非最小二乘类参数估计算法（4学时） 61 8.1 极大似然估计法 62 8.1.1 极大似然原理 62 8.1.2 动态线性模型的ML估计 63 8.1.3 递推的极大似然估计（RML） 66 8.2 预报误差估计法 69 8.2.1 预报误差准则 69 8.2.2 预报误差法与极大似然法的关系 69 8.2.3 预报误差参数估计算法 71 8.3 模型参考自适应估计法 72 8.3.1 基本思想 72 8.3.2 并联型MRAI算法 73 9 系统结构辨识（4学时） 76 9.1