多新息隨機梯度型辨識方法.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，又具有潛在的應用價值.論文基于國家自然科學基金項目《一類非線性系統(tǒng)辨識建模理論與方法的研究》，擬定了多新息隨機梯度型辨識方法研究課題，選題屬于應用基礎研究，具有理論意義和實用價值。作者在查閱了相關文獻

2、的基礎上，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行了研究，并對提出的部分參數(shù)辨識方法收斂性進行了分析，取得了下列研究成果。 線性模型的多新息隨機梯度型辨識方法： 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、隨機梯度型辨識算法的研究相當成熟.但最小二乘辨識算法計算量大，隨機梯度辨識算法的收斂速度較慢.為了提高隨機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、型的多新息隨機梯度辨識算法，推導了有色噪聲干擾受控ARMA線性模型(CARMA模型)的多新息增廣隨機梯度算法，運用隨機過程理論和鞅理論詳細的分析CARMA模型的多新息增廣隨機梯度算法的收斂性，并用仿真例子說明提出的多新息隨機梯度算法比經典的隨機梯度算法有更快的收斂速度. 2.進一步將多新息辨識方法推廣到更為復雜線性模型的辨識，如動態(tài)調節(jié)模型(CARAR模型)和一般隨機系統(tǒng)模型(CARARMA模型)，提出了動態(tài)調節(jié)模型和CAR_A

4、RMA模型多新息廣義隨機梯度算法和多新息廣義增廣隨機梯度算法，給出了計算參數(shù)估計的數(shù)學表達式和詳細計算步驟，利用數(shù)字仿真例子對算法辨識效果進行了驗證.輸入非線性模型的多新息隨機梯度型辨識方法： 1.在研究了線性CAR和CARMA模型的多新息(增廣)隨機梯度辨識方法基礎上，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模型的多新息隨機梯度辨識算法，給出算法計算參數(shù)估計的步驟.推導出輸入非線性CAR模型的多新息隨

5、機梯度算法參數(shù)估計誤差界，分析了該辨識算法在持續(xù)激勵條件下參數(shù)估計誤差滿足的條件，數(shù)字仿真結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梯度辨識算法、輸入非線性動態(tài)調節(jié)模型(CARAR模型)的多新息廣義隨機梯度辨識方法、輸入非線性CARARMA模型的多新息廣義增廣隨機梯度辨識算法，也用仿真例子說明了算法的辨識效果。數(shù)字仿真表明：多新息隨機梯度型辨識方