最小二乘估计与模型阶次辨.doc

------------- 精选文档 ----------------- 实验二 最小二乘估计及模型阶次辨识 一、实验目的 ① 通过实验，掌握最小二乘参数辨识方法 ② 通过实验，掌握模型阶次辨识方法 二、实验内容 、仿真模型 实验所用的仿真模型如下：框图表示 v(k) 1 e(k) 1 1.5z 1 0.7 z 2 + u(k) z 1 0.5z 2 y(k) + z(k) 1 1.5z 1 0.7z 2 模型表示 z(k ) 1.5z( k 1) 0.7 z(k 2) u(k 1) 0.5u(k 2) v(k ) 其中 u(k)和 z(k)分别为模型的输入和输出变量； v(k)为零均值、方差为 1 、 服从正态分布的白噪声； 为噪声的标准差 （实验时，可取 0.0 、0.1 、0.5 、 1.0 ）；输入变量 u(k) 采用 M 序列，其特征多项式取 F s s4 s 1 ,幅度 ( ) 取 1.0。 、辨识模型 辨识模型的形式取 A(z 1 ) z(k) B( z 1 )u(k) e(k ) 为方便起见，取 na nb n ，即 A( z) 1 a1 z 1 a2 z 2 an z n B( z) b1 z 1 b2 z 2 bn z n 根据仿真模型生成的数据 u(k), k 1, , L 和 z( k ), k 1, , L ，确定模 型 n ，并辨识模型的参数 a1 , a2 , , an 和 b1 , b2 , , bn ； 可编辑 ------------- 精选文档 ----------------- 、辨识算法 模型阶次辨识 根据行列式比确定模型的阶次 令： H n [ Zn U n ] ，其中， z(n) z( n 1) z(1) Zn z( n 1) z( n) z( 2) z( n L 1) z( n L 2) z(L ) u(n) u( n 1) u(1) U n u(n 1) u( n) u(2) u(n L 1) u( n L 2) u( L) 定义判别式子（行列式比）： ? det{ H (n?)} DR (n) det{ H ? 1)} ( n 其中： H ( n?) 1 H n? H n? , H (n? 1) 1 H n? 1H n? 1 L L 若 DR ( n) 较 DR ( n? 1) 有显著增加时，则取阶次估计值为 n 0 n? 。 ? ② 模型参数辨识： 最小二乘一次完成算法： 设输入信号的取值是从 k =1 到 k =16 ? 的 M 序列，则待辨识参数 θLS 为 ? τ 1 τ ? θLS = ( H L H L ) H L zL 。其中，被辨识参数 θLS 、观测矩阵 z L、H L 的表达式为 a1 z(3) z(2) z(1) u(2) u(1) ? a2 , z(4) ， HL z(3) z(2) u(3) u(2) θ zL LS b1 b2 z(16) z(15) z(14) u(15) u(14) 可编辑 ------------- 精选文档 ----------------- ? 1 H L zL LS (H LHL) 三、实验步骤 掌握最小二乘一次完成算法和根据行列式比确定模型的阶次的基 本原理。 设计实验方案。 编制实验程序。 调试程序，研究实验问题，记录数据。 分析实验结果，完成实验报告。 四、实验结果 实验对象及参数 实验模型如下图所示： z(k ) 1.5z( k 1) 0.7z(k 2) u(k 1) 0.5u(k 2) v(k ) 程序代码： a.主函数 function leastSquaresMainFuc a1 = 1.5;a2 = -0.7;b1 = 1; b2 = 0.5; DR = estModelOrder(a1,a2,b1,b2); display(DR); estimate = leastSquares(a1,a2,b1,b2); display(estimate); recursiveLeastSquares(a1,a2,b1,b2) end 模型阶次辨识函数 function DR = estModelOrder(a1,a2,b1,b2) x=[0 1 0 1 1 0 1 1 1]; %initial value 可编辑 ------------- 精选文档 ----------------- n=1003; %n 为脉冲数目 ,L = 1000, 且存在 k-2, 故取 1003 M=[]; % 存放 M 序列 for i=1:n temp=xor(x(4),x(9)); M(i)=x(9); for j=9:-1:2 x(j)=x