极大似然参数辨识方法

合集下载
相关主题
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

极大似然参数辨识方法-CAL-FENGHAI.-(YICAI)-Company One1

2 极大似然参数辨识方法

极大似然参数估计方法是以观测值的出现概率为最大作为准则的,这是一种很普遍的参数估计方法,在系统辨识中有着广泛的应用。 极大似然原理

设有离散随机过程}{k V 与未知参数θ有关,假定已知概率分布密度

)(θk V f 。如果我们得到n 个独立的观测值,21,V V …n V ,,则可得分布密度

)(1θV f ,)(2θV f ,…,)(θn V f 。要求根据这些观测值来估计未知参数θ,估计的准则是观测值{}{k V }的出现概率为最大。为此,定义一个似然函数

)

()()(),,,(2121θθθθn n V f V f V f V V V L = (2.1.1)

上式的右边是n 个概率密度函数的连乘,似然函数L 是θ的函数。如果L 达到极大值,}{k V 的出现概率为最大。因此,极大似然法的实质就是求出使L 达到极大值的θ的估值∧θ。为了便于求∧

θ,对式(2.1.1)等号两边取对数,则把连乘变成连加,即

∑==n

i i V f L 1)(ln ln θ (2.1.2)

由于对数函数是单调递增函数,当L 取极大值时,lnL 也同时取极大值。求式(2.1.2)对θ的偏导数,令偏导数为0,可得

0ln =∂∂θL

(2.1.3)

解上式可得θ的极大似然估计ML ∧

θ。 系统参数的极大似然估计

设系统的差分方程为

)()()()()(11k k u z b k y z a ξ+=-- (2.2.1)

式中

111()1...n

n a z a z a z ---=+++

1101()...n

n b z b b z b z ---=+++

因为)(k ξ是相关随机向量,故(2.2.1)可写成

)()()()()()(111k z c k u z b k y z a ε---+= (2.2.2)

式中

)()()(1k k z c ξε=- (2.2.3) n n z c z c z c ---+++= 1111)( (2.2.4)

)(k ε是均值为0的高斯分布白噪声序列。多项式)(1-z a ,)(1-z b 和)(1-z c 中的系数n n c c b b a a ,,,,,10,1和序列)}({k ε的均方差σ都是未知参数。

设待估参数

n a a 1[=θ n b b 0 ]T

n c c 1 (2.2.5)

并设)(k y 的预测值为

+-+++-----=∧

)()()()1()(01n k u b k u b n k y a k y a k y n n

)()1(1n k e c k e c n -++-∧

∧ (2.2.6)

式中)(i k e -为预测误差;i a ∧

,i b ∧

,i c ∧

为i a ,i b ,i c 的估值。预测误差可表示为

+-+-⎢⎣⎡--=-=∑∑=∧

=∧

)()()()()()(01

i k u b i k y a k y k y k y k e n i i n i i

-+++-+++=⎥⎦⎤--∧-∧∧-∧-∧=∧∑)()()()1()(1

10111k u z b z b b k y z a z a i k e c n n n n n

i i )()(2

21

1k e z c z c z c n n -∧

-∧

-∧

+++ (2.2.7)

或者

)()1(1

1k e z c z c n

n -∧

-∧

+++ =-+++-∧

-∧

)()1(1

1k y z a z a n n

)()(1

10k u z b z b b n n -∧

-∧

∧+++ (2.2.8)

因此预测误差{})(k e 满足关系式

)()()()()()(11

1

k u z b k y z a k e z c -∧

-∧

-∧

-= (2.2.9)

式中

n n z a z a z a -∧

-∧

-∧

+++= 1

11

1)( n n z b z b b z b -∧

-∧

-∧

+++= 1

101

)( n n z c z c z c -∧

-∧

-∧

+++= 1

11

1)(

假定预测误差)(k e 服从均值为0的高斯分布,并设序列{})(k e 具有相同的方差2

σ。因为{})(k e 与)(1

-∧

z c ,)(1

-∧

z a 和)(1-∧

z b 有关,所以2σ是被估参数θ的函

数。为了书写方便,把式(2.2.9)写成

)()()()()()(111k u z b k y z a k e z c ----= (2.2.10)

-------++-+= )1()1()()1()()(101k u b k u b n k y a k y a k y k e n

,2,1),()1()(1++=------n n k n k c k e c n k u b n n (2.2.11)

相关文档
最新文档