梯度校正参数辩识方法.ppt

即有或第37页,共62页，星期六，2024年，5月对一组确定的数据只是参数的函数已不再是概率密度函数这时的称作的似然函数以示区别有时记作概率密度函数和似然函数有着不同的物理意义但数学表达式是一致的第38页,共62页，星期六，2024年，5月极大似然原理的数学表现或-对数似然函数-极大似然参数估计值使得似然函数或对数似然函数达到最大值第39页,共62页，星期六，2024年，5月物理意义（极大似然原理的数学表现）对一组确定的随机序列设法找到参数估计值使得随机变量在条件下的概率密度函数最大可能地逼近随机变量在（真值）条件下的概率密度函数上式反映极大似然原理的本质，但数学上不好实现第40页,共62页，星期六，2024年，5月预报误差参数辩识方法极大似然法要求数据的概率分布是已知的通常都假设它们是服从高斯分布的实际问题不一定满足这一假设如果数据的概率分布不知道使用极大似然法存在着一定的困难第41页,共62页，星期六，2024年，5月预报误差法不要求数据概率分布的先验知识解决更加一般问题的一种辩识方法极大似然法的一种推广当数据的概率分布服从正态分布时等价与极大似然法第42页,共62页，星期六，2024年，5月预报误差准则考虑更加一般的模型-维的输出向量-维的输入向量-模型的参数向量-噪声项，其均值为零，协方差为-输出量的初始状态，计算的必要信息第43页,共62页，星期六，2024年，5月置则模型式写成时刻的输出可以用时刻以前的数据来刻划第44页,共62页，星期六，2024年，5月在获得数据和的条件下对输出的“最好”预报可取它的条件数学期望值使得这种“最好”的输出预报应是“最好”模型的输出可通过极小化预报误差准则来获得第45页,共62页，星期六，2024年，5月常用的误差预报准则加权阵-预先选定的矩阵或其中第46页,共62页，星期六，2024年，5月当时将收敛于的协方差阵通过极小化或获得的参数估计值称作预报误差估计它用不着数据概率分布知识第47页,共62页，星期六，2024年，5月12.3其他两种辩识方法第48页,共62页，星期六，2024年，5月Bayes方法基本原理所要估计的参数看作随机变量设法通过观测与该参数有关联的其他变量以此来推断这个参数第49页,共62页，星期六，2024年，5月例如Kalman滤波器是典型的Bayes方法不可观测的待估计的状态变量看作随机变量状态变量与可观测的输入输出变量是密切相关的正是基于这些可观测的输入输出变量推断不可观测的状态变量第50页,共62页，星期六，2024年，5月设是描述某一动态过程的模型是模型的参数，反映在动态过程的输入输出观测值中如果过程的输出变量在参数及其历史记录条件下的概率密度函数是已知的记作-时刻以前的输入输出集合第51页,共62页，星期六，2024年，5月根据Bayes观点，参数的估计问题表述成参数看作具有某种验前概率密度的随机变量设法从输入输出数据中提取关于参数的信息后者可以归结为参数的验后概率密度函数的计算问题第52页,共62页，星期六，2024年，5月其中-时刻以前的输入输出数据集合与之间的关系和-过程时刻的输入输出数据第53页,共62页，星期六，2024年，5月如果是确定的变量，利用Bayes公式参数的验后概率密度函数可表示成参数的验前概率密度函数及数据的条件概率密度函数是已知的第