系统辨识习题解答_第1页
系统辨识习题解答_第2页
系统辨识习题解答_第3页
系统辨识习题解答_第4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

1、精选优质文档-倾情为你奉上系统辨识习题解答1-14、若一个过程的输入、输出关系可以用MA模型描述，请将该过程的输入输出模型写成最小二乘格式。 提示： MA模型 定义解：因为MA模型，其中，从而所以当定义，则有最小二乘格式： ，其中e(k)是误差项。2-3、设是一个平稳的有色噪声序列，为了考虑这种噪声对辨识的影响，需要用一种模型来描述它。请解释如何用白噪声和表示定理把表示成AR模型、MA模型和ARMA模型。解：根据表示定理，在一定条件下，有色噪声e(k)可以看成是由白噪声v(k)驱动的线性环节的输出，该线性环节称为成形滤波器，其脉冲传递函数可写成 即 其中 根据其结构，噪声模型可区分为以下三类：

2、自回归模型（AR模型）： 平均滑动模型（MA模型）： 自回归平均滑去模型（ARMA模型）： 34、根据离散Wiener-Hopf方程，证明解：由于M序列是循环周期为，为序列移位脉冲周期，自相关函数近似于函数，为序列的幅度。设数据的采样时间等于，则离散Wiener-Hopf方程为： 当序列的循环周期大于过程的过渡过程时间时，即充分大时，离散Wiener-Hopf方程可写成： 由于M序列的自相关函数为，代入上式得4 证明： （1） (2) ， (3) , (4) ,解： (1) 由于，所以（2）由于，及 （3）由于，所以 （4）由于，所以418、考虑如下模型其中，u(k)和z(k)是模型的输入输出

3、变量，v(k)是零均值白噪声。定义参数向量请利用增广最小二乘思想，写出模型参数的递推辨识算法。解：令及 则模型化成最小二乘格式： 令，及 则噪声模型也化成最小二乘格式：数据向量he(k)包含着不可测的噪声量，这可用相应的估计值代替：其中， 则可写出利用增广最小二乘法得到的递推算法：可表示成：419、考虑如下模型其中，u(k)和z(k)分别为模型的输入和输出变量，它们是可测的；v(k)是零均值白噪声，它是不可测的。试从Markov估计概念出发，证明该模型的参数向量的估计值可以写成如下加权最小二乘算法的形式，式中，为数据矩阵，为输出向量，加权矩阵取，其中矩阵C为解：令及 则模型化成最小二乘格式：准则函数取，其中为加权因子，对所有的k，都必须大于零。对于 (L为数据长度)，可以构成线性方程组式中 则，式中为加权矩阵，它是正定的对角阵，由加权因子构成， 设使得J（）最小，则有：从而：，当是正则矩阵时，模型的加权最小二乘解为。由于，所以 由Markov估计，,其中矩阵C为，取加权阵。P532/4：解：（1）由参数估计值偏差的估计式：我们有： （A）由于为独立同分布，均值为零的不相关随机变量，因此有：对（A）式两边求期望值，我

人人文库> 全部分类> 教育资料 > 辅导培训

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