系统辨识和自适应控制第4章统辨识随机逼近法、极大似然法和预报误差法.pptVIP

第4章 系统辨识的随机逼近法、极大似然法和预报误差法 4.1 系统辨识的随机逼近法（SAA） 4.1.1 随机逼近原理［2］ h(x)=α （4.1.2） （1）Robbins-Monro算法 x(k+1)=x(k)+ρ(k)［α-y(x(k))］ （4.1.3） （2）Kiefer-Wolfowitz算法 4.1.2 随机逼近参数估计方法 图4.1.1 系统输入输出均受干扰 的SISO动态系统示意图 4.1.3 随机牛顿法 4.2 系统辨识的极大似然法（ML） 4.2.1 极大似然原理 4.2.2 ML估计和LS估计的关系 图4.2.1 SISO动态过程模型 4.2.3 极大似然估计的数值计算方法[2] Newton-Raphson法迭代计算具体步骤如下： 4.2.4 近似递推极大似然法（RML） 图4.2.2 RML 算法的程序流 程图 4.3 系统辨识的预报误差法（PE） 4.3.1 预报误差原理[2] 4.3.2 预报误差法与极大似然法的关系 （1）Σe为已知时 （2）Σe为未知时 4.3.3 预报误差参数估计方法（最优化算法）[2]