多新息隨機(jī)梯度型辨識方法.pdf

1、常規(guī)辨識方法，如最小二乘、卡爾曼濾波和最小均方算法都是采用單新息修正技術(shù)的辨識方法.多新息辨識方法拓寬了新息辨識的概念，它是單新息辨識算法的推廣，它具有良好的收斂性能和克服壞數(shù)據(jù)的能力，具有較強(qiáng)的魯棒性，所以對它的研究既具有重要的理論意義，又具有潛在的應(yīng)用價值.論文基于國家自然科學(xué)基金項(xiàng)目《一類非線性系統(tǒng)辨識建模理論與方法的研究》，擬定了多新息隨機(jī)梯度型辨識方法研究課題，選題屬于應(yīng)用基礎(chǔ)研究，具有理論意義和實(shí)用價值。作者在查閱了相關(guān)文獻(xiàn)

2、的基礎(chǔ)上，對有色噪聲干擾系統(tǒng)和輸入非線性系統(tǒng)的多新息辨識問題進(jìn)行了研究，并對提出的部分參數(shù)辨識方法收斂性進(jìn)行了分析，取得了下列研究成果。 線性模型的多新息隨機(jī)梯度型辨識方法： 1.帶()噪聲或有色噪聲干擾的線性模型最小二乘類辨識算法、隨機(jī)梯度型辨識算法的研究相當(dāng)成熟.但最小二乘辨識算法計(jì)算量大，隨機(jī)梯度辨識算法的收斂速度較慢.為了提高隨機(jī)梯度型辨識算法的收斂速率，論文首先針對線性受控AR模型(CAR模型)，提出了CAR模

3、型的多新息隨機(jī)梯度辨識算法，推導(dǎo)了有色噪聲干擾受控ARMA線性模型(CARMA模型)的多新息增廣隨機(jī)梯度算法，運(yùn)用隨機(jī)過程理論和鞅理論詳細(xì)的分析CARMA模型的多新息增廣隨機(jī)梯度算法的收斂性，并用仿真例子說明提出的多新息隨機(jī)梯度算法比經(jīng)典的隨機(jī)梯度算法有更快的收斂速度. 2.進(jìn)一步將多新息辨識方法推廣到更為復(fù)雜線性模型的辨識，如動態(tài)調(diào)節(jié)模型(CARAR模型)和一般隨機(jī)系統(tǒng)模型(CARARMA模型)，提出了動態(tài)調(diào)節(jié)模型和CAR_A

4、RMA模型多新息廣義隨機(jī)梯度算法和多新息廣義增廣隨機(jī)梯度算法，給出了計(jì)算參數(shù)估計(jì)的數(shù)學(xué)表達(dá)式和詳細(xì)計(jì)算步驟，利用數(shù)字仿真例子對算法辨識效果進(jìn)行了驗(yàn)證.輸入非線性模型的多新息隨機(jī)梯度型辨識方法： 1.在研究了線性CAR和CARMA模型的多新息(增廣)隨機(jī)梯度辨識方法基礎(chǔ)上，將該方法推廣用于輸入非線性CAR模型的辨識，提出了輸入非線性CAR模型的多新息隨機(jī)梯度辨識算法，給出算法計(jì)算參數(shù)估計(jì)的步驟.推導(dǎo)出輸入非線性CAR模型的多新息隨

5、機(jī)梯度算法參數(shù)估計(jì)誤差界，分析了該辨識算法在持續(xù)激勵條件下參數(shù)估計(jì)誤差滿足的條件，數(shù)字仿真結(jié)果也證明了算法的良好性能. 2.針對有色噪聲干擾的輸入非線性模型，給出了輸入非線性有色噪聲干擾CARMA模型的多新息增廣隨機(jī)梯度辨識算法、輸入非線性動態(tài)調(diào)節(jié)模型(CARAR模型)的多新息廣義隨機(jī)梯度辨識方法、輸入非線性CARARMA模型的多新息廣義增廣隨機(jī)梯度辨識算法，也用仿真例子說明了算法的辨識效果。數(shù)字仿真表明：多新息隨機(jī)梯度型辨識方