摘要
研究了自回归输出误差(AR-OE)系统的辅助模型随机梯度算法、辅助模型多新息随机梯度算法、辅助模型递推最小二乘算法,自回归输出误差自回归滑动平均(AR-OEARMA)系统(即AR-BoxJenkins系统)的辅助模型广义增广随机梯度算法、辅助模型多新息广义增广随机梯度算法、辅助模型递推广义增广最小二乘算法,以及AR-Box-Jenkins系统的基于滤波的辅助模型广义增广随机梯度算法、基于滤波的辅助模型多新息广义增广随机梯度算法、基于滤波的辅助模型递推广义增广最小二乘算法等.
This paper presents an auxiliary model（ AM） based stochastic gradient（ SG） algorithm,an AM multiinnovation SG algorithm and an AM recursive least squares algorithm for autoregressive output-error systems and presents a filtering based AM generalized extended SG algorithm,a filtering based AM multi-innovation generalized extended SG algorithm and a filtering based AM recursive generalized extended least squares algorithm for autoregressive output-error autoregressive moving average（ AR-OEARMA） systems,namely autoregressive Box-Jenkins systems.
出处
《南京信息工程大学学报（自然科学版）》
CAS
2016年第1期1-22,共22页
Journal of Nanjing University of Information Science & Technology（Natural Science Edition）
基金
国家自然科学基金(61273194)
江苏省自然科学基金(BK2012549)
高等学校学科创新引智"111计划"(B12018)
关键词
参数估计
递推辨识
梯度搜索
最小二乘
滤波
分解
辅助模型辨识思想
多新息辨识理论
递阶辨识原理
方程误差系统
输出误差系统
线性系统
parameter estimation
recursive identification
gradient search
least squares
filtering
decomposition
auxiliary model identification idea
multi-innovation identification theory
hierarchical identification principle
equation-error system
output-error system
linear system
