系统辨识作业资料.pdfVIP

1.1 讨论系统方程为： （信噪比）至少 30% y(k) ay(k 1) b(k)u(k 1) e(k) e( k) 为零均值白噪声， a (k ) b(k) 要求对系统参数辨识进行讨论 （1） 定常系统 a=0.8,b=0.5 参数递推估计 （2） 时变系统 取不同值是的不同结果并讨论。 （1）取初值 P(0)= I 、 （0 ）=0 选择方差为 1 的白噪声作为输入信号 u （k）， L=300，采用 RLS算法进行参数估计，代码及仿真结果图如下： clear all ;close all ; a=[1 0.8];b=[0.5];d=1; %对象参数 na=length(a)-1;nb=length(b)-1; %na 、nb 为 A、B阶次 L=300; %仿真长度 uk=zeros(d+nb,1); %输入初值： uk(i) 表示 u(k-i) yk=zeros(na,1); %输出初值 u=randn(L,1); %输入采用白噪声序列 xi=sqrt(0.1)*randn(L,1); %白噪声序列 theta=[a(2:na+1);b]; %对象参数真值 thetae_1=zeros(na+nb+1,1); %thetae 初值 P=10^6*eye(na+nb+1); for k=1:L phi = [-yk;uk(d:d+nb)]; %′此处 phi 为列向量 y(k)=phi*theta + xi(k); %采集输出数据 %递推最小二乘法 K=P*phi/(1+phi*P*phi); thetae( : ,k)=thetae_1 + K*(y(k)-phi*thetae_1); P=(eye(na+nb+1)-K*phi)*P; %更新数据 thetae_1 = thetae( : ,k); for i=d+nb:-1:2 uk(i)=uk(i-1); end uk(1)=u(k); for i=na:-1:2 yk(i)=yk(i-1); end yk(1)=y(k); end plot([1:L],thetae); %line([1,L],[theta,theta]); xlabel( k );ylabel( 参数估计 a 、b ); legend( a_1 , b_0 );axis([0 L -2 2]); 图 1-1 递推最小二乘法的参数估计结果 （2））取初值 P(0)= I 、 （0 ）=0 选择方差为 1 的白噪声作为输入信号 u （k）， 取 分别为 0.91,0.95,0.98,1.00 时，L=600，采用 FFRLS算法进行参数估计， 代 码及仿真图如下所示： clear all ;close all ; a=[1 0.8];b=[0.5];d=1; %对象参数 na=length(a)-1;nb=length(b)-1; %na 、nb 为 A、B阶次 L=600; %仿真长度 uk=zeros(d+nb,1); %输入初值： uk(i) 表示 u(k-i) yk=zeros(na,1); %输出初值 u=randn(L,1); %输入采用白噪声序列 xi=sqrt(0.1)*randn(L,1); %白噪声序列 thetae_1=zeros(na+nb+1,1); %thetae 初值 P=10^6*eye(na+nb