CAR模型的可变遗忘因子多误差随机信息梯度辨识

CAR模型在过程建模中得到了广泛应用.传统的随机信息梯度算法虽然可以辨识CAR模型,但是算法收敛速度慢、估计精度不高.为解决这一问题,提出了一种带可变遗忘因子的多误差随机梯度算法.首先用信息向量取代信息标量,提出了一种多误差随机信息梯度算法;然后,将误差信息引入遗忘因子,提出一种可变遗忘因子.数值仿真表明,所提算法能够...     

基于峭度的可变步长随机信息梯度算法

研究了脉冲噪声下FIR模型的参数估计问题．对于脉冲噪声扰动的模型,基于误差平方准则的辨识算法的性能会变差,为了克服这个问题,提出了一种信息准则梯度算法．该算法基于香农误差熵梯度和Parzen窗估计推导而得出,与平方准则算法相比,该算法可以捕获更多的误差统计信息,并能给出更精确的估计．为了提高算法的速度,将基于峭度的可变步长算法集成到算法中．这种可变步长使用了误差的四阶统计量,可以加快算法的速度．同时,给出了一种确定最大步长的简单方法,数值实验验证了算法的有效性．估计结果表明,该算法能够较好地抑制脉冲噪声,并以较快的收敛速度获得准确的估计．     

含过程噪声Wiener系统的递推两阶段参数估计

Wiener系统属模块化非线性系统,由一个线性动态模块串联一个非线性静态模块组成,因其结构简单、实用性强,在非线性系统建模中得到广泛应用.最小二乘算法估计过程噪声扰动的Wiener系统时会带有偏估计.为了获得无偏估计,本文提出了一种递推两阶段参数估计算法.首先用FIR函数和多项式函数分别逼近系统的动态传递函数和静态反函...     

基于输入预测误差的Wiener系统结构和参数辨识

为了辨识Wiener系统的结构和参数,提出了一种结构等效逆变换,将两个子模型的参数乘积项转化为两个子模型的参数求和.该变换不仅避免了参数乘积项的出现,而且减小了算法计算量;针对变换后系统的特点,提出了一种输入预测误差准则用于参数估计;基于输入预测误差准则,提出了一种最小二乘算法来辨识Wiener系统的参数.数值仿真验证了算法的有效性.