直接加权优化辨识的最小概率设计

研究非线性系统辨识的一种新方法-直接加权优化辨识,对于该方法中未知权重值求取,采用统计学习理论中的最小概率准则作为逼近的误差准则函数。最小概率策略选择为最小化估计误差边界应小于某指定门限值的概率,此估计误差边界来源于有限个数的数据点。将最小概率准则转化为一个最大化问题,对于此最大优化问题,通过代数运算来求解此最大化问题以得到未知权重值的显式表达式。权重估计值有类似核估计的渐近收敛特性,且为独立未知噪声方差值的显式形式。最后用仿真算例验证本文方法的有效性。