有色噪聲干擾隨機系統(tǒng)二步最小二乘辨識方法.pdf

1、論文以國家自然科學(xué)基金項目《一類非線性系統(tǒng)辨識建模理論與方法的研究》為背景，提出了有色噪聲干擾隨機系統(tǒng)辨識研究課題。該課題屬于應(yīng)用基礎(chǔ)研究，具有理論意義和實用價值。作者在閱讀了相關(guān)文獻的基礎(chǔ)上，研究了有色噪聲隨機系統(tǒng)的兩階段辨識方法，取得的研究成果如下。 1.為了改進參數(shù)估計精度，利用遞階辨識的交互估計理論，提出了受控ARAR模型(CARAR)，也稱為動態(tài)調(diào)節(jié)模型的最小二乘迭代辨識方法.其基本思想是：在每步迭代計算中，將信息向量

2、中或信息矩陣中不可測噪聲項用其估計值代替，而噪聲估計值又是用前一次迭代參數(shù)估計進行計算的，二者執(zhí)行了一個遞階計算過程.與流行的遞推廣義最小二乘算法相比，提出的迭代算法在每一步計算中，同時利用了系統(tǒng)所有量測數(shù)據(jù)信息，因而具有更高的參數(shù)估計精度和更快的收斂速度。最后用仿真例子驗證了提出算法的性能。 2.在上述最小二乘迭代辨識方法的基礎(chǔ)上，提出了動態(tài)調(diào)節(jié)模型的兩步迭代辨識方法。通過極小化一個信息矩陣中含噪聲項的準(zhǔn)則函數(shù)，導(dǎo)出系統(tǒng)模型參

3、數(shù)向量和噪聲模型參數(shù)向量的最小二乘估計式，進一步將估計式中信息矩陣所含的未知噪聲項用其迭代估計殘差代替，而估計殘差又用前一次迭代的參數(shù)估計進行計算。在每步迭代計算中，二者執(zhí)行了一個遞階計算過程.與濾波式遞推廣義最小二乘算法相比，提出的迭代算法也可用于在線辨識，而且在每一步迭代計算中，反復(fù)利用了系統(tǒng)可測數(shù)據(jù)信息，因而能夠獲得高精度的參數(shù)估計。最后用仿真例子驗證了提出算法的性能。 3.針對受控ARMA模型(CARMA)，或稱為帶外加

4、輸入自回歸滑動平均模型(ARMAX)，提出了一種最小二乘迭代兩步辨識算法，解決了CARMA模型的遞推算法精度低等問題。針對一般噪聲干擾的受控ARARMA模型，利用階辨識的交互估計理論，提出了兩種最小二乘迭代辨識方法。同時與已有的遞推算法和濾波算法進行仿真比較，來說明提出算法的有效性。 4.很多非線性系統(tǒng)可以用Hammerstein模型來描述.論文針對線性部分為CARAR模型的Hammerstein模型提出兩種新的迭代辨識方法，并