案例:动态模型如下:
其中,
噪声v(k)是均值为0,方差为0.01的高斯白噪声,输入信号为4阶移位寄存器产生的M序列,利用递推极大似然估计算法对该动态系统模型参数进行辨识。
辨识结果如下:
误差曲线:
系统输出的估计误差:
辨识结果如下:
参数 | a1 | a2 | b1 | b2 | d1 | d2 |
真值 | -0.5 | -0.2 | 1.0 | 1.5 | -0.8 | 0.3 |
估计值 | -0.4973 | -0.2009 | 0.9980 | 1.4926 | 0.0175 | 0.0957 |
从辨识结果可以看出,采用递推极大似然估计算法能够很快收敛到稳定值,而且参数a1,a2,b1,b2估计准确,由于噪声v(k)的随机性,导致参数d1,d2的估计误差较大。