系统辨识(6):多新息辨识理论与方法  

System identification.Part F:Multi-innovation identification theory and methods

作　　者：丁锋[1,2,3] 

机构地区：[1]江南大学物联网工程学院,无锡214122 [2]江南大学控制科学与工程研究中心,无锡214122 [3]江南大学教育部轻工过程先进控制重点实验室,无锡214122

出　　处：《南京信息工程大学学报（自然科学版）》2012年第1期1-28,共28页Journal of Nanjing University of Information Science & Technology（Natural Science Edition）

基　　金：国家自然科学基金(60973043)

摘　　要：多新息辨识是系统辨识的一个重要分支.新息是能够改善参数估计精度或状态估计精度的有用信息.首先,详细讨论了线性回归模型的各种多新息辨识方法,包括多新息投影算法、多新息随机梯度算法、多新息遗忘梯度算法、变递推间隔多新息随机梯度算法、多新息最小二乘辨识方法、变递推间隔多新息最小二乘算法等;然后,给出了方程误差类系统、输出误差类系统、输入非线性系统的随机梯度辨识算法、多新息随机梯度算法和多新息最小二乘辨识算法;最后,简单说明了多新息辨识理论可以发展到多新息观测器和多新息卡尔曼滤波理论.Multiinnovation identification is an important branch of system identification. The innovation is the use ful information that can improve parameter estimation or state estimation accuracies. This paper discusses various multiinnovation identification methods for linear regression models, including the multiinnovation projection algo rithm, the multiinnovation stochastic gradient algorithm, the multiinnovation forgetting gradient algorithm, the inter valvarying multiinnovation stochastic gradient algorithm, the multiinnovation least squares algorithm, the interval varying multiinnovation least squares algorithm, and so on. We give the stochastic gradient algorithm, the multiin novation stochastic gradient algorithm and the multiinnovation least squares identification algorithm for equation error type systems, output error type systems and input nonlinear systems. Finally, we state that the multiinnovation identification theory can be developed to multiinnovation observer and multiinnovation Kalman filtering theory.

关 键 词：迭代辨识 递推辨识 参数估计 FIR模型 方程误差模型 CAR模型 CARMA模型 CARAR模型 CARARMA模型 输出误差模型:OEMA模型 OEAR模型 辅助模型辨识 多新息辨识 递阶辨识 耦合辨识 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]