系统辨识与参数估计习题.docxVIP

系统辨识与参数估计课程习题 选择题： 答案唯一，在（ ）内填入正确答案的编号。 1. 对于批量最小二乘格式 YL L EL ，其最小二乘无偏估计的必要条件是 （ ）。 T 1 T A?输入序列3讣为“持续激励”信号 B. El与（l l） l正交 2. 3. 4. 5. C. El为非白噪声向量 对象模型为 yk D. E{EL} 0 ek 时，采用递推最小二乘估计后的残差序列的计算式为 A. C. ）。 k yk k yk T? k 1 k kT ?k B. D. 在上题的条件下，递推最小二乘算法中的增益矩阵 A. Pk 1 k 1 C. Pk 1 k B. D. k yk k yk Kk可以写成 Pk k 1 Pk k 可以同时得到对象参数和干扰噪声模型参数的估计算法是（ A. 辅助变量法 C. 最小二乘限定记忆法 增广最小二乘估计的关键是（ A. 将控制项增广进 k 中， B. ）。 B. 将输出项增广进 k 中， C. 将噪声项增广进 k 中， D. 并用残差项取代进行估计 并用残差项取代进行估计 并用残差项取代进行估计 D. 将噪声项增广进 k 中， 并用输出项取代进行估计 T? k k 1 T? k 1 k 1 ）。 ）。 广义最小二乘法 相关最小二乘两步法 答案： 1. B 2. C 3. D 4. B 5. C 判断题：以O表示正确或x表示错误。 TOC \o 1-5 \h \z 1．估计残差平方和最小是确定辨识过程对象结构的唯一标准。 （ ） 2．最小二乘估计的批量算法和递推算法在数学上是等价的。 （ ） 3．广义最小二乘法就是辅助变量法和增广最小二乘法交替试用。 （ ） 4．在递推最小二乘算法中，若置 Pk P PT 0 ，则该算法也能克服“数据饱和” 现象，进而可适用于时变系统。 （ ） 5．用神经网络对 SISO 非线性系统辨识，采用的是输入层和输出层均为一个神经元的 三层前馈神经元网络结构。 （ ） 答案：1.X 2. O 3. X 4. O 5. X ■ 三、设y和X-X2, Xn之间满足关系y exp（a!x! a?X2 anXn），试图利用y和 X1,X2, Xn的观测值来估计参数 ai,a2, an ,请将该模型化成最小二乘格式。 答案：z ln(y) aiXi 答案： z ln(y) aiXi a2X 2 T anXn 其中， ai,a2, ,an T Xi,X2, ,Xn 四、对于多输入单输出（MISO系统可由下面的模型描述 A(z i)yk B(z i)uk i ek 其中， uk 为系统的 mX i 维输入向量； yk 为系统的标量输出； ek 为标量 i.i.d 随机噪 i i i i 声；Z为延迟算子，即z yk yk 1 ； A（Z ）为标量参数多项式， B（z ）为i x m的 参数多项式向量： A（z 1） 1 a1z 1 . anaz na B（z 1） B0 B1z 1 . Bnb z nb 请写出：最小二乘递推算法公式和计算步骤或流程。 答案： 根据题意， 可写出最小二乘格式为： yk k ek 其中， T k yk 1, yk 2, T T T yk na;uk 1,uk 2, uk nb 1 a1,a2,L ,ana ;B0 ,B1 ,L ,Bnb 因此，采用批量最小二乘法估计时，设采集数据时刻为 k=1,2,…丄，则有批量最小二 乘格式为： YlE Yl 其中, yi T 1 e1 Yl y2 T 2 El e2 ， L yL T L eL 从而，批量最小— .乘估计公式为： ? (T l)1 Tyl 递推最小二乘估计公式为： ? ? k 1 Kk (yk T ? k k 1) Kk Pk 1 k Pk Pk 1 Fk 1 k k Pk 1 丄 T r ， T 1 k Pk 1 k 1 k Pk 1 k 初始估计：? 0，Po 2|， 2曰 是 -个充分大的正数。 计算流程为: (0) 给定？R,k 0； (1) 量测yk 1，组成T 1 ； (2) 计算Kk 1 ； (3) 计算？ 1 ； (4) 输出估计结果，并由误差限或数据长度 则停止估计；否则，继续进行。 L来确定是否停止估计。若条件满足, (5) 计算Pk 1 ； (6) k k 1，返回到(1 )。 ■ 五、对于SISO系统的数学模型 A(z Jyk B(z 1)Uk i Vk 其中，Uk和yk分别为系统的输入输出量， Vk为干扰噪声，A(z 1)和B(z 1)为参数多 项式: A(z1) 1 n 1 a1z an z a B(z1) bo Rz1 bnbz nb 且na nb， z 1为延迟算子，即z 1yk yk 1。 1 ?对于量测Uk、yk，k 1,2, N，写出估计系统参数的最小二乘批