一種子空間辨識對權(quán)重矩陣加權(quán)平均新方法.pdf

1、子空間辨識方法(Subspace Identification Methods)自上世紀90年代提出以來，受到工業(yè)控制、信號處理及系統(tǒng)辨識等諸多領(lǐng)域的關(guān)注，并且在近十幾年來，子空間辨識方法在算法設(shè)計、算法應(yīng)用及其性能分析上己逐步形成了較完整的理論體系，對工業(yè)過程和多變量輸入輸出系統(tǒng)的處理有著重要的作用.
　　本文的引言部分介紹了子空間辨識提出的背景，子空間辨識方法的優(yōu)點，對具有代表性的三種辨識方法N4SID、MOESP、CVA簡要

2、說明其辨識步驟，對本論文的主要貢獻作了必要說明.
　　本文第一部分給出了一種混合的確定-隨機辨識系統(tǒng)模型描述及其假設(shè)條件，介紹了輸入輸出Hankel矩陣等相關(guān)矩陣的定義及其子空間辨識算法思想.
　　第二部分是預(yù)備知識，介紹了Moor-Penrose偽逆、投影定義、相關(guān)統(tǒng)計工具及統(tǒng)計框架中的幾何工具，這些是本論文工作的基礎(chǔ)知識;其次介紹了子空間辨識部分定理、狀態(tài)空間基及其相關(guān)理論為本論文設(shè)計的算法提供了理論依據(jù).
　　第

3、三部分是本文核心內(nèi)容:首先給出了一個混合矩陣輸入-輸出方程，這是本文所研究系統(tǒng)辨識模型的對象，其次對三種辨識方法N4SID、MOESP及MOESN4算法進行簡要分析，說明各方法在計算時所存在的不足，最后給出了系統(tǒng)子空間辨識對給定的權(quán)重矩陣加權(quán)平均法的詳細構(gòu)造過程，在計算過程中為了降低算法的復(fù)雜性需要對所涉及的塊Hankel陣進行QR分解，最后給出了本文提出新算法的具體實現(xiàn)步驟，通過對所選取的權(quán)重矩陣加權(quán)平均，使算法的權(quán)重矩陣選擇機會增多