2 极大似然参数辨识方法 极大似然参数估计方法是以观测值的出现概率为最大作为准则的,这是一种很普遍的参数估计方法,在系统辨识中有着广泛的应用。 2.1 极大似然原理 设有离散随机过程}{kV与未知参数 有关,假定已知概率分布密度 )(kVf。如果我们得到n 个独立的观测值,21,VV…nV,,则可得分布密度)(1Vf, )(2Vf,…,)(nVf。要求根据这些观测值来估计未知参数 ,估计的准则是观测值{}{kV}的出现概率为最大。为此,定义一个似然函数 )()()(),,,(2121nnVfVfVfVVVL (2.1.1) 上式的右边是n 个概率密度函数的连乘,似然函数L 是 的函数。如果L 达到极大值,}{kV的出现概率为最大。因此,极大似然法的实质就是求出使 L 达到极大值的 的估值 。为了便于求 ,对式(2.1.1)等号两边取对数,则把连乘变成连加,即 niiVfL1)(lnln (2.1.2) 由于对数函数是单调递增函数,当 L 取极大值时,lnL 也同时取极大值。求式(2.1.2)对 的偏导数,令偏导数为0,可得 0lnL (2.1.3) 解上式可得 的极大似然估计ML。 2.2 系统参数的极大似然估计 设系统的差分方程为 )()()()()(11kkuzbkyza (2.2.1) 式中 111()1...nna za za z 1101()...nnb zbb zb z 因为)(k是相关随机向量,故(2.2.1)可写成 )()()()()()(111kzckuzbkyza (2.2.2) 式中 )()()(1kkzc (2.2.3) nnzczczc1111)( (2.2.4) )(k是均值为0 的高斯分布白噪声序列。多项式)(1za,)(1zb和)(1zc中的系数nnccbbaa,,,,,10,1和序列)}({k的均方差 都是未知参数。 设待估参数 naa 1[ nbb 0 Tncc 1 (2.2.5) 并设)(ky的预测值为 )()()()1()(01nkubkubnkyakyakynn )()1(1nkeckecn (2.2.6) 式中)(ike为预测误差;ia ,ib ,ic 为ia ,ib ,ic 的估值。预测误差可表示为 )()()()()()(01ikubikyakykykykeniinii )()()()1()(110111kuzbzbbkyzazaikecnnnnnii )()(2211kezczczcnn (2.2.7) 或者 )()1(11kezczcnn=)()1(11kyza...