几种参数识别的方法 A 基于时域的参数识别方法推导 A 3 最小二乘法,一般最小二乘法,修正的最小二乘法 ARMA 模型通常用最小二乘法来求解,ARMA 模型定义如下: )()1()()()1()(101pkfbkfbkfbpkxakxakxpp (A-48) 其中x (k )是响应,f(k )是输入力,通过将公式48 在时域上简单展开,可得到以下公式, eAxmm (A-49) 其中: )()2()1()()()1()2()2()1()1()1()(pnfffnfpnxnxpfxpxpfxpxAm (A-50) Tppbbbaaa,,,,,,,,11021 (A-51) Tmnxpxpxx)()2()1( (A-52) Tmnepepee)()2()1( (A-53) 其中e(k )是在时间k 的输出误差,p 是ARMA 参数矢量。最小二乘法解超定方程如下: )()(1mTmmTmxAAA (A-54) 尽管最小二乘法会使输出误差最小化,如果输出误差可以被估计或者模拟出来就可以得到更精确的值。输出误差近似于AR 模型,也就是说,输出误差可以通过一些指数衰减或者增大正弦成分来形成一个模型,这个模型被称为 ARX 模型。这种近似方法基于泰勒展开以及傅立叶展开。他们的区别是AR 模型展开的基础并不是固定的,而且是由被测数据决定的。 Z 变换的ARMA 模型是: )()()()()(kekfzBkxzA (A-55) 如果误差e(k )是通过AR 过程来近似的,Z 变换的AR 模型的误差e(k )是: )()()(kkezC (A-56) 其中ε(k )是噪声 AR 过程的余数。ε(k )比 e(k )更小,因此这就降低了检测 ARMA 参数的误差。结合公式55 和公式56,以下公式为测量响应和输入信号更为准确的ARMA: )()()()()()()(kkfzBzCkxzAzC (A-57) )()(ˆ)()(ˆ)(kkfzBkxzA (A-58) 其中,)()()(ˆkxzCkx,)()()(ˆkfzCkf。 一般最小二乘法是基于以上近似计算的迭代算法,迭代算法如下: 1. 使用公式54 计算LS; 2. e(k)的计算是基于A(z)和B(z); 3. 使用公式56 和e(k)来计算C(z); 4. 计算)()()(ˆkxzCkx和)()()(ˆkfzCkf; 5. 使用公式58 计算GLS; 6. 回到第二步,直到GLS收敛。 修正的最小二乘法是概括的最小二乘法的修正方法,它不是迭代的。其方法是; mTmmTmmTmmTmeAAAxAAA11)()()( (A-59) cEemm (A-60) 其中Em的构造与Am的结构相似,c 是对...