隨著辨識(shí)技術(shù)的不斷發(fā)展,最小二乘方法已經(jīng)很成熟的運(yùn)用于方程誤差類系統(tǒng)。隨之發(fā)展的最小二乘迭代辨識(shí)算法具有辨識(shí)精度高的優(yōu)點(diǎn),但是當(dāng)數(shù)據(jù)乘積矩矩陣維數(shù)很大的時(shí)候,這種算法的計(jì)算量是很大的。梯度迭代辨識(shí)算法雖然不用進(jìn)行矩陣的逆運(yùn)算,但是其收斂速度相對(duì)較慢。所以,本文從分解的角度出發(fā),運(yùn)用兩階段的方法來(lái)解決迭代辨識(shí)計(jì)算量大的問(wèn)題,這種思想具有理論意義和運(yùn)用前景。論文取得了以下的成果：（1）針對(duì)受控自回歸滑動(dòng)平均（CARMA）系統(tǒng),提出了這類系統(tǒng)的兩階段最小二乘迭代辨識(shí)算法和兩階段梯度迭代辨識(shí)算法。基本思想是運(yùn)用分解的思想將系統(tǒng)分解成兩個(gè)子系統(tǒng)。然后分別用最小二乘迭代和梯度迭代算法辨識(shí)這兩個(gè)子系統(tǒng)。分析說(shuō)明相對(duì)于最小二乘迭代辨識(shí)算法,兩階段最小二乘迭代辨識(shí)算法所涉及的數(shù)據(jù)乘積矩矩陣的維數(shù)小,逆運(yùn)算的計(jì)算量小。仿真結(jié)果表明,兩階段最小二乘迭代辨識(shí)算法的收斂速度比兩階段梯度辨識(shí)的收斂速度快。（2）針對(duì)受控自回歸自回歸（CARAR）系統(tǒng),根據(jù)兩階段辨識(shí)原理,結(jié)合迭代辨識(shí)算法推導(dǎo)出該系統(tǒng)的兩階段最小二乘迭代辨識(shí)算法和兩階段梯度迭代辨識(shí)算法。通過(guò)MATLAB的仿真可以知道,兩階段最小二乘迭代辨識(shí)算法的的收... 

【文章來(lái)源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 問(wèn)題提出與研究意義
    1.2 辨識(shí)算法及研究現(xiàn)狀綜述
    1.3 系統(tǒng)辨識(shí)簡(jiǎn)述
    1.4 本文主要研究?jī)?nèi)容簡(jiǎn)介
第二章 受控自回歸滑動(dòng)平均系統(tǒng)的兩階段算法
    2.1 系統(tǒng)描述
    2.2 兩階段最小二乘迭代算法的推導(dǎo)
    2.3 兩階段梯度迭代算法的推導(dǎo)
    2.4 最小二乘迭代辨識(shí)方法的推導(dǎo)
    2.5 仿真實(shí)驗(yàn)
    2.6 小結(jié)
第三章 受控自回歸自回歸系統(tǒng)的兩階段算法
    3.1 系統(tǒng)描述
    3.2 兩階段最小二乘迭代算法的推導(dǎo)
    3.3 兩階段梯度迭代算法的推導(dǎo)
    3.4 最小二乘迭代辨識(shí)方法的推導(dǎo)
    3.5 仿真實(shí)驗(yàn)
    3.6 小結(jié)
第四章 受控自回歸自回歸滑動(dòng)平均系統(tǒng)的兩階段算法
    4.1 系統(tǒng)描述
    4.2 兩階段最小二乘迭代算法的推導(dǎo)
    4.3 兩階段梯度迭代算法的推導(dǎo)
    4.4 最小二乘迭代辨識(shí)方法的推導(dǎo)
    4.5 仿真實(shí)驗(yàn)
    4.6 小結(jié)
主要結(jié)論與展望
致謝
參考文獻(xiàn)
附錄：作者在攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]辨識(shí)方法的計(jì)算效率（3）:信息向量耦合算法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(06)
[2]辨識(shí)方法的計(jì)算效率（2）:迭代算法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(05)
[3]辨識(shí)方法的計(jì)算效率（1）:遞推算法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(04)
[4]系統(tǒng)辨識(shí)（8）:耦合辨識(shí)概念與方法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(03)
[5]系統(tǒng)辨識(shí)（7）:遞階辨識(shí)原理與方法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(02)
[6]系統(tǒng)辨識(shí)（6）:多新息辨識(shí)理論與方法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(01)
[7]系統(tǒng)辨識(shí)（5）:迭代搜索原理與辨識(shí)方法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(06)
[8]非均勻采樣系統(tǒng)多新息隨機(jī)梯度辨識(shí)性能分析[J]. 丁潔,謝莉,丁鋒.  控制與決策. 2011(09)
[9]系統(tǒng)辨識(shí)（4）:輔助模型辨識(shí)思想與方法[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(04)
[10]系統(tǒng)辨識(shí)（3）:辨識(shí)精度與辨識(shí)基本問(wèn)題[J]. 丁鋒.  南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(03)

碩士論文
[1]CARMA模型與輸出誤差模型迭代辨識(shí)[D]. 王金海.江南大學(xué) 2008



本文編號(hào)：3170525