辅助模型辨识方法(1):自回归输出误差系统  

Auxiliary model identification methods.Part A:Autoregressive output-error systems

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）》2016年第1期1-22,共22页Journal of Nanjing University of Information Science & Technology（Natural Science Edition）

基　　金：国家自然科学基金(61273194);江苏省自然科学基金(BK2012549);高等学校学科创新引智"111计划"(B12018)

摘　　要：研究了自回归输出误差(AR-OE)系统的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法,自回归输出误差自回归滑动平均(AR-OEARMA)系统(即AR-BoxJenkins系统)的辅助模型广义增广随机梯度算法、辅助模型多新息广义增广随机梯度算法、辅助模型递推广义增广最小二乘算法,以及AR-Box-Jenkins系统的基于滤波的辅助模型广义增广随机梯度算法、基于滤波的辅助模型多新息广义增广随机梯度算法、基于滤波的辅助模型递推广义增广最小二乘算法等.This paper presents an auxiliary model（ AM） based stochastic gradient（ SG） algorithm,an AM multiinnovation SG algorithm and an AM recursive least squares algorithm for autoregressive output-error systems and presents a filtering based AM generalized extended SG algorithm,a filtering based AM multi-innovation generalized extended SG algorithm and a filtering based AM recursive generalized extended least squares algorithm for autoregressive output-error autoregressive moving average（ AR-OEARMA） systems,namely autoregressive Box-Jenkins systems.

关 键 词：参数估计 递推辨识 梯度搜索 最小二乘 滤波 分解 辅助模型辨识思想 多新息辨识理论 递阶辨识原理 方程误差系统 输出误差系统 线性系统 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]