matlab实现一维递归最小二乘法(RLS)
RLS的原理及公式推导,网上已经有很多介绍了,这里直接略过,上代码!
为了便于理解,假设有一个一维系统 A
y = 5 * h
其中h为状态量,y为测量量,5为待辨识的未知量。如何利用RLS实现对未知量“5”的辨识呢?
% 一维RLS实现
% 例如:y = 5 * h,假设系数5是需要辨识的参数
% h是状态量,y是测量值
% 获取状态量和测量量
N = 100;
h = 1:1:N;
y = 5 * h;
% 初始化
x = 0;
I = eye(1);
P = 10^6*I;
result = zeros(N,1);
% 循环
for k = 1:N
Hk = h(k);
yk = y(k);
K = P*Hk'/(Hk*P*Hk'+1);
x = x + K * (yk - Hk'* x);
P = (I-K*Hk')*P;
result(k) = x;
end
plot(result);
结果如图:
可以看到结果很快就收敛到了5。
现实中,测量量都是有测量噪声的,我们人为将测量量加入噪声。代码如下:
% 获取状态量和测量量
N = 100;
f = @(h) 5*h;
h = 1:1:N;
y = f(h) + 0.1*randn(size(h)).*f(h);
% 初始化
x = 0;
I = eye(1);
P = 10^6*I;
result = zeros(N,1);
% 循环
for k = 1:N
Hk = h(k);
yk = y(k);
K = P*Hk'/(Hk*P*Hk'+1);
x = x + K * (yk - Hk'* x);
P = (I-K*Hk')*P;
result(k) = x;
end
结果如图:
可以看到,收敛效果比前面稍差,但精度依然是可以接受的。
好了小伙伴们,今天的分享就是这些了。