最小二乘法+相关分析法讲稿.ppt
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《最小二乘法+相关分析法讲稿.ppt》由会员分享,可在线阅读,更多相关《最小二乘法+相关分析法讲稿.ppt(26页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、关于最小二乘法+相关分析法第一页,讲稿共二十六页哦最小二乘法1.问题描述考虑如下线性系统:其中,u(k)为系统激励信号,y(k)为系统输出,e(k)为模型噪声。第二页,讲稿共二十六页哦系统模型第三页,讲稿共二十六页哦 其中G(z-1)是系统函数模型,N(z-1)为有色噪声系统模型,e(k)为白噪声v(k)经过系统函数为N(z-1)的系统后的输出。通常第四页,讲稿共二十六页哦则系统可表示为 设样本和参数集为 h(k)为可观测的量,差分方程可写为最小二乘形式第五页,讲稿共二十六页哦 如何系统噪声e(k)存在的情况下从该方程中正确的解出,即是系统辨识的任务。为了求出,我们面临三大问题:一是输入信号的
2、选择,二是判决准则的选取,三是辨识算法的选择。选择输入 为了准确辨识系统参数,我们对输入信号有两大要求,一是信号要能持续的激励系统所有状态,二是信号频带能覆盖系统的频带宽度。除此之外还要求信号有可重复性,不能是不可重复的随机噪声,因此我们通常选择M序列或逆M序列作为输入。第六页,讲稿共二十六页哦准则函数 本次探讨最小二乘类辨识方法,在此选取准则函数 使准则函数的估计值记做,称作参数的最小二乘估计值。令k=1,2,3,L,可构成线性方程组:第七页,讲稿共二十六页哦式中:准则函数相应变为 极小化,求得参数的估计值,将使模型更好的预报系统的输出。第八页,讲稿共二十六页哦最小二乘法 设 使 得,则有展
3、开上式,并根据以下两个向量微分公式:得正则方程:第九页,讲稿共二十六页哦当 为正则阵时,有且有 所以唯一 使得 ,这种通过极小化式计算的方法称作最小二乘法。第十页,讲稿共二十六页哦递推最小二乘法第十一页,讲稿共二十六页哦第十二页,讲稿共二十六页哦递推最小二乘法(RLS)步骤如下 第十三页,讲稿共二十六页哦举例设某物理量Y与X 满足关系式Y=aX2+bX+c,实验获得一批数据如下表,试辨识模型参数a,b和c。X1.012.033.024.0156.027.038.049.0310Y9.64.11.30.40.050.10.71.83.89.0分析:Y=aX2+bX+c+=X(k)*X(k)X(k
4、)1*a b c+=+第十四页,讲稿共二十六页哦程序X=1.01 2.03 3.02 4.01 5 6.02 7.03 8.04 9.03 10;Y=9.6 4.1 1.3 0.4 0.05 0.10.71.83.89.0;%实验输入数据、实验输出数据syms a b c%定义待辨识参数theta=a;b;c;%theta包含待辨识参数a,b,ctheta1=zeros(3,1);%对象参数初始化P=106*eye(3);%构造初始P阵for k=1:10%仿真步长范围1到10phi=X(k)*X(k);X(k);1;%y=aX*X+bX+c=phi*theta%theta=a;b;c;phi
5、=X(k)*X(k);X(k);1K=P*phi/(1+phi*P*phi);%递推最小二乘法K阵的递推公式theta=theta1+K*(Y(k)-phi*theta1);%theta的递推公式P=(eye(3)-K*phi)*P;%递推最小二乘法P阵的递推公式theta1=theta;%theta的最终估计向量theta2(:,k)=theta;%theta估计向量矩阵化,目的是为了%下面的plot仿真图像输出endtheta1%输出参数估计值plot(1:10,theta2)%输出参数逐步递推估计的轨迹图像xlabel(k);%设置横坐标为步长kylabel(参数估计a,b,c);%纵坐
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 最小二乘法 相关 分析 讲稿
![提示](https://www.taowenge.com/images/bang_tan.gif)
限制150内