辅助模型辨识方法(5):最小二乘辨识  

Auxiliary model based identification methods.Part E:Least squares identification

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5期385-403,共19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：借助于辅助模型辨识思想,针对白噪声干扰的输入非线性有限脉冲响应系统,研究了辅助模型最小二乘辨识方法、辅助模型多新息最小二乘辨识方法、变递推间隔辅助模型最小二乘辨识方法、变递推间隔辅助模型多新息最小二乘辨识方法、等递推间隔辅助模型多新息最小二乘辨识方法,以及有限数据窗最小二乘辨识方法,包括引入加权因子(加权矩阵)、遗忘因子得到的一些相应辨识方法.For input nonlinear finite impulse response systems,based on the auxiliary model identification idea,this paper studies the auxiliary model（ AM） based least squares（ LS） identification algorithms,the AM multiinnovation LS identification algorithms,the interval-varying AM LS identification algorithms,the interval-varying AM multi-innovation LS identification algorithms and the AM finite data window LS identification algorithms,including the weighted LS algorithms and the forgetting factor LS algorithms.

关 键 词：参数估计 递推辨识 最小二乘 关键项分离 辅助模型辨识思想 多新息辨识理论 递阶辨识原理 耦合辨识概念 滤波辨识理念 输入非线性系统 输出非线性系统 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]