动态调节模型的最小二乘迭代辨识方法

为了改进参数估计精度,利用递阶辨识的交互估计理论,提出了辨识动态调节模型的最小二乘迭代辨识方法。其基本思想是:在每步迭代计算中,将信息向量中或信息矩阵中不可测噪声项用其估计值代替,而噪声估计值又是用前一次迭代参数估计进行计算的,二者执行了一个递阶计算过程。与流行的递推广义最小二乘算法相比,提出的迭代算法在每一步计算中,同时利用了系统所有量测数据信息,因而具有更高的参数估计精度和更快的收敛速度。进行了仿真计算。     

滑动平均噪声干扰双输入多率系统最小二乘迭代辨识

研究了滑动平均噪声干扰的双输入多率系统最小二乘迭代辨识算法.首先推导出2个输入通道采样周期不相等的多率系统的离散时间状态空间模型,得出对应的传递函数模型.针对辨识模型信息向量中存在不可测噪声项的困难,利用最小二乘迭代原理,将未知噪声变量用其迭代估计值来代替,提出了这类双输入多率采样数据系统的最小二乘迭代辨识算法.最后通过仿真例子比较了最小二乘迭代辨识算法与递推增广最小二乘算法的辨识效果,说明了所提出算法的参数估计精度较高.     

随机干扰系统的辅助模型递推广义增广最小二乘辨识方法

基于辅助模型辨识思想,提出了一般有色噪声干扰随机系统的辅助模型递推广义增广最小;乘辨识方法。仿真例子说明提出方法的有效性。     

滑动平均模型的最小二乘辨识方法比较研究

滑动平均模型辩识的困难是信息向量中存在不可测噪声项。借助于递阶辩识的交互估计理论,用估计残差代替信息向量中中不可测噪声项,借助于多新息辨识理论扩展新息长度和充分利用系统观测数据的思想,提出估计滑动平均模型参数的多新息递推最小二乘辨识方法和最小二乘迭代辨识方法。与常规递推增广最小二乘算法相比,提出的方法具有更快的收敛速度,能产生更高精度的参数估计。仿真例子验证了算法的性能。     

自回归模型参数的普通最小二乘估计

将线性回归模型参数的普通最小二乘估计推广到12种自回归模型的参数估计。     

自回归模型参数的加权最小二乘估计

将线性回归模型参数的加权最小二乘估计推广到12种自回归模型的参数估计。     

分数阶系统的迭代最小二乘辨识算法

针对等比例阶次的分数阶系统的特点,提出了一种分数阶系统频域辨识的迭代最小二乘算法,并将运算数据的实部和虚部分离计算引入辨识过程,简化了计算的复杂度。此算法是整数阶系统辨识频域最小二乘算法的推广。通过无噪声和有噪声两种情况下的仿真实验,证明了该算法的有效性。     

改进的递推增广最小二乘参数估计方法

基于用递推最小二乘(RLS)法拟合高阶自回归(AR)模型得到的白噪声估值,提出了自回归滑动平均(ARMA)模型参数估计的一种改进的递推增广最小二乘法。它由两段RLS算法组成,可在线实现,具有快的收敛速度。一个仿真例子说明了其有效性。     

自回归模型参数的最小二乘估计

利用约束规划及计算数学理论 ,讨论自回归模型参数的精确估计方法 ,给出求解参数的方法 ,计算量约为 O(N)个运算量 .此估计与原来的损失样本信息条件下的最小二乘估计法求解的工作量 O(N)基本等价 ,因此是一个可行的精确估计方法 .     

自回归AR模型整体最小二乘分析

主要讨论时间序列的自回归模型AR（p）的参数估计问题,列出常用的普通最小二乘估计和整体最小二乘估计方法,列出算例进行比较分析。     

基于RLS的自回归滑动平均模型的两阶段辨识方法

提出了基于递推最小二乘(RLS)的自回归滑动平均模型的两阶段辨识方法.仿真结果表明,方法给出的参数估计精度比递推增广最小二乘算法高.     

CARMA模型的多新息增广随机梯度辨识算法

将多新息辨识理论用于研究CARMA模型参数辨识问题,通过把标量新息扩展为向量新患,即多新息,得出相应的多新息增广随机梯度辨识算法.仿真结果验证了提出算法的有效性.     

自回归模型的多新息随机梯度和多新息最小二乘辨识方法

将多新息辨识理论用于研究自回归模型的参数辨识问题,通过把标量新息扩展为向量新息(即多新患),扩展信患向量到信患矩阵和构成堆积系统输出,从而提出了自回归模型的多新息随机梯度辨识算法和多新息最小二乘辨识算法.仿真结果验证了提出算法的有效性.     

自回归模型的多新息投影辨识方法

通过扩展标量新息为向量新息(即多新息),推导出自回归模型的多新息投影辨识算法。仿真结果说明提出的多新息投影算法优于投影算法。     

SISO、CARMA模型的快速辨识方法

本文给出了一种单输入、单输出CARMA模型的结构辨识方法。该方法采用了作者提出的改进的Durbin二步算法(新息修正最小二乘算法)进行参数估计,F检验确定模型阶次。提出的方法充分运用了中间结果和统计检验手段;同时改进了文献[3]中删除零参数的方法。从而能以较少的计算量,得到全局P相容的参数估值、模型的子阶与时滞。仿真实例表明了算法的有效性。     

模型参数未知的双率采样数据系统广义预测控制方法

对于双率采样数据系统,预测控制的困难是存在采样间损失输出,使得传统的预测控制算法和参数估计算法无法实现。为此,阐述了参数未知双率系统预测控制策略。其基本思想是,利用多项式变换技术导出了一个可以使用双率数据进行辨识的模型,通过对这个模型的估算和对采样间损失输出的估计,提出了双率系统的预测控制算法,仿真例子给出满意的控制效果。     

基于Delta算子描述的CARMA模型辨识

研究Delta算子描述的离散系统参数辨识问题。基于Delta算子矩阵求逆引理,提出辨识Delta算子描述的可控自回归滑动平均模型(CARMA)的递推增广最小二乘法(DRELS),并给出DRELS算法的实现步骤。     

ARMA模型参数估计的两段最小二乘法

提出了自回归滑动平均(ARMA)模型参数估计的两段最小二乘法。首先用递推最小二乘法对真实ARMA模型拟合高阶自回归(AR)模型,然后基于所拟合的AR模型参数,用最小二乘法解一个不相容代数方程组得到ARMA模型参数。一个仿真的例子说明了其有效性。