各类最小二乘法比较_第1页
各类最小二乘法比较_第2页
各类最小二乘法比较_第3页
各类最小二乘法比较_第4页
各类最小二乘法比较_第5页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

最小二乘法（LS） 最小二乘是一种最基本的辨识方法，最小二乘法可以用于线性系统，也可以用于非线性系统；可用于离线估计和在线估计。在随机情况下，利用最小二乘法时，并不要求观测数据提供其概率统计方法的信息，而其估计结果，却有相当好的统计特性。但它具有两方面的缺陷：一是当模型噪声是有色噪声时，最小二乘估计不是无偏、一致估计；二是随着数据的增长，将出现所谓的“数据饱和”现象。针对这两个问题，出现了相应的辨识算法，如遗忘因子法、限定记忆法、偏差补偿法、增广最小二乘、广义最小二乘、辅助变量法、二步法及多级最小二乘法等。广义最小二乘法（GLS） 广义最小二乘法的基本思想在于引入一个所谓成形滤波器（白化滤波器），把相关噪声转化成白噪声。优：能够克服当存在有色噪声干扰时，基本最小二乘估计的有偏性，估计效果较好，在实际中得到较好的应用。缺：1、计算量大，每个循环要调用两次最小二乘法及一次数据滤波，2、求差分方程的参数估值，是一个非线性最优化问题，不一定总能保证算法对最优解的收敛性。广义最小二乘法本质上是一种逐次逼近法。对于循环程序的收敛性还没有给出证明。3、GLS算法的最小二乘指标函数J中可能存在一个以上局部极小值，（特别在信噪比不大时，J可能是多举的）。GLS方法的估计结果往往取决于所选用参数的初始估值。参数估计初值应选得尽量接近优参数。在没有验前信息的情况下，最小二乘估值被认为是最好的初始条件。4、广义最小二乘法的收敛速度不是很高。递推最小二乘法（RLS）优点：1、无需存储全部数据，取得一组观测数据便可估计一次参数，而且都能在一个采样周期中完成，所需计算量小，占用的存储空间小。 2、具有一定的实时处理能力辅助变量法（IV、RIV） 计算较简单，估计是无偏估计，但计算精度较低 辅助变量法、增广矩阵法能保证精度和收敛，算法简单，可同时得到参数和噪声模型的估计，工程应用效果很好但计算量也较大。 RIV总收敛于参数真值。加权最小二乘法 可对不同置信度的测量值采用加权的办法分别对待，置信度加权高的，权重取得大些；置信度低的，权重取的小些。但加权最小二乘法仅能用于事先能估计方程误差对参数估计的影响。快速多阶段最小二乘法大大减少计算时间。快速多阶段最小二乘法大大减少计算时间。 证明矩阵求逆引理矩阵求逆引理的证明：矩阵求逆引理：证明：考虑到由展开上式可得：（2a） (2b)(3a) (3b)和非奇异，由（3a）和（2b）联立可得：（4a） (4b)将式4a、4b分别代入（2a）、（3
人人文库> 全部分类> 应用文书 > 事务文书

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论