UD分解与偏差补偿结合用于变量带误差模型辨识

摘要：

本文提出一种基于UD(upper-diagonal)分解与偏差补偿结合的辨识方法,用于变量带误差(errors-in-variables,EIV)模型辨识.考虑单输入单输出(single input and single output,SISO)线性动态系统,当输入和输出含有零均值、方差未知的高斯测量白噪声时,该类系统的模型参数估计是一种典型的EIV模型辨识问题.为了获得这种EIV模型参数的无偏估计,本文先推导出最小二乘模型参数估计偏差量与输入输出噪声方差以及最小二乘损失函数与输入输出噪声方差的关系,然后采用UD分解方法递推获得模型参数估计值,再利用输入输出噪声方差估计值补偿模型参数估计偏差,以此获得模型参数的无偏估计.本文还讨论了算法实现过程中遇到的一些问题及修补方法,并通过仿真例验证了所提辨识方法的有效性.

关键词：系统辨识、EIV模型、最小二乘法、偏差补偿、参数估计

所属期刊栏目：35

分类号：TP11(自动化基础理论)

资助基金：国家自然科学基金项目61203119;清华大学自主科研计划,天津职业技术师范大学人才项目RC17–01, RC14–48

在线出版日期：2018-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：949-955