现代控制理论-第14章-最小二乘法辨识.pptVIP

2021/2/11 * 定义为 式中 (14-107) (14-106) 按照递推最小二乘法公式的推导方法，可得增广矩阵法辨识的递推方程为 (14-109) (14-108) (14-110) 2021/2/11 * 以上算法中，由于矩阵 的维数比最小二乘法中 的维数扩大了，故称增广矩阵法。此算法在工程上广泛应用，其收敛也较好。 2021/2/11 * 第五节 多步最小二乘法辨识 多步最小二乘法是把复杂的辨识问题分成三步来处理,而第一步只用到简单的最小二乘法,这样可得到参数的一致性和无偏性估计。它计算方便,计算精度也比较高。本节介绍三种常用的多步最小二乘法。 2021/2/11 * 一、第一种方法 这一方法可分成三步:第一步确定原系统脉冲响应序列;第二步估计系统参数;第三步估计噪声模型参数。 第一步:确定原系统的脉冲响应序列。 根据式(14-6)，系统的差分方程可表示为 (14-111) 式中 为有色噪声，可用下式表示： 式中 为白噪声序列。 (14-112) 2021/2/11 * 式中 是由系统的输入量的测量误差、输出量的测量误差和系统内部噪声所引起的。如果把 归结为由输出量测量误差 所引起，则可求出 与 之间的关系式。由式(14-4)可得 (14-113) 2021/2/11 * 也可把式(14-113)写成 式中 的变换方块图如图14-3所示。 则 (14-114) 2021/2/11 * 可能是白噪声，也可能是有色噪声。不管 是否自相关 ，总能得到系统脉冲响应序列 的一致性和无偏性的最小二乘估计。这一步就是估计系统模型的脉冲响应序列 。 由图14-3可得图14-4假设系统是稳定的，可用有限序列逼近脉冲响应序列 。设有限序列 而 应足够大， 。参考式(12-1)，可得离散形式的卷积公式为 (14-115) 2021/2/11 * 式中 设 为零均值的白色或有色的随机噪声。假设 与 不相关，给定数据长度为 的输入－输出数据点集，则可写出向量－矩阵方程： (14-116) 2021/2/11 * 因为 与 不相关，故 与 不相关。设 的均值为零。根据本章第一节所述， 为一致性估计，当 ，以概率1趋近于 。因为 一般是自相关的，所以 不一定有极小方差。一般说来， 选得大，估计精度高，但计算量大。所以选取适当的 ，即要满足计算精度，又要计算量较小。若 是伪随机二位式序列 ，则 的计算可以简化。 应用最小二乘法，求出 的最小二乘估计 (14-117) 2021/2/11 * 估计 中的各未知参数。 第二步：利用 和 不形成系统真实输出 的估值 。 (14-118) 然后，利用准确系统模型 (14-119) 2021/2/11 * 将 代入式(14-119)，得 式中 这里， 表示用 代替式(14-119)中的 所引起的实效误差。给出数据长度为 的输入－输出数据点集，可写出下列向量－矩阵方程： (14-120) 2021/2/11 * 可以看到，当 和 分别以概率1趋于 和零。因此， 以概率1趋于 ，所以 是一致性和无偏性估计。 应用最小二乘法估计，可得 的估值为 (14-121) 2021/2/11 * 这里， 是由于在模型中用 代替 以后所产生的实效误差。 第三步：估计噪声模型中的参数。 (14-122) 残差为 (14-123) 以 代替式(14-122)中的 ，得 (14-124) 2021/2/11 * 式中 这样，可得噪声模型参数 的最小二乘估计为 (14-125) 2021/2/11 * 由于 ，因此 ，所以 为一致性和无偏性估计。 以上三个步骤对有色噪声系统的辨识问题提供了完整的解答。如果需要递推计算,可根据前面的递推公式推导方法得到,在此不再重复。 2021/2/11 * 二、第二种方法 第一步: