《系统辨识》课件.pptVIP

*********************************************************************************************************************************************************************************************************************************************************************************************************************∵CPCT是半正定的，∴[R2+CPCT]0且J中对于K而言，第一、二项均与K无关。只有选择K使得第三项为零，则J=Jmin。第五章线性系统的状态估计*5）递推公式：综合上述可得卡尔曼滤波递推公式：（滤波均方误差阵）（预报均方误差阵）递推初值：三、卡尔曼滤波的性质：1、递推性：第五章线性系统的状态估计*2、可以利用新息进行校正：预报：第k次观测中的“新息”：滤波=预报+新息校正3、是线性最小方差估计，因此是无偏估计。4、若仅计算K(k)、、，则不依赖于观测量Y(k)，所以可以预先离线计算。第五章线性系统的状态估计*5、具有反馈校正性质：1）若系统噪声{W(k)}强：R1(k)?说明应倚重于观测，加强基于量测而作的新息校正。2）若系统观测噪声{V(k)}强：R2(k)?说明应倚重于原来的预报估计，基于不准确的量测而作的修正应减小。第五章线性系统的状态估计?10*结束此课件下载可自行编辑修改，供参考！感谢您的支持，我们努力做得更好！*****************************************************第四章线性系统参数估计的最小二乘法二、统计特征：1、无偏性：2、一致性：三、计算：1、白噪声输入：经过相关分析后的LS估计是无偏和一致的估计。*第四章线性系统参数估计的最小二乘法a*第四章线性系统参数估计的最小二乘法2、PRBS输入:*第四章线性系统参数估计的最小二乘法3、有色噪声输入:特点：1）只要{u(k)}与{e(k)}不相关，LS估计就是无偏和一致估计。3）也可以有在线递推算法，由Ruy(μ)递推公式来更新数据。2）因为Q中没有特殊的零元素，所以计算量大。?*§4?9阶的辨识第四章线性系统参数估计的最小二乘法一、确定阶的F检验法：在上述参数估计中，均假设模型的阶（或模型的结构）是已知的，实际上它往往是未知的，而且阶的准确性，会大大影响参数估计的误差。模型阶的确定：用不同的阶n，分析其最小二乘估计准则(残差平方和):一般情况下：n↑Jn↓结果精度越高系统的复杂性↑n必须选择适当。（J是n的递减函数），选择的原则：只对使得Jn有显著减小的n感兴趣。*第四章线性系统参数估计的最小二乘法引入统计检验准则：N：输入、输出数据对数。Jn1：N对数据，2n1个模型参数的估计准则的最小值。Jn2：N对数据，2n2个模型参数的估计准则的最小值。当N足够大时，F近似服从F（f1，f2）分布。且：