基于QR分解的启发式自适应最优界椭圆辨识算法

借助于基于 QR分解的加权递推最小二乘算法结构 ,提出了一种启发式自适应最优界椭圆(Optimal Bounded Ellipsoid,OBE)辨识算法 .采用了集元方法中的 OBE辨识思想 ,使算法具有识别冗余数据的功能 ;同时具有比随机方法更佳的“局部”数据信息利用效果 .利用指示时变系统参数变化的监测因子 。

基于Givens Rotation正交变换的OBE自适应辨识算法

对应于矩阵反演公式及 QR分解定理 ,加权最小二乘法 ( WRL S)存在两类不同的算法结构。基于 QR分解的结构中 ,建立于 Givens Rotation正交变换的算法优点在于 :并行算法结构易于实时在线计算 ;采用的信息融入与剔除形式易于扩展与调整。集元辨识 ( Set membership)法中的最优界椭球算法 ( Optimal bounded ellipsoid,OBE)采用优化策略与有效数据评价准则 ,实现了冗余数据的过滤并具有较理想的时变参数跟踪潜力。OBE辨识算法与 WRL S方法间存在紧密的联系 ,但在基于矩阵反演公式的加权最小二乘法上所获得的 OBE递推算法结构并不能充分利用其自适应跟踪潜力。本文在 Givens Rotation正交变换基础上建立相应的 OBE递推算法结构 ,并充分利用指示时变参数变化的监测因子 ,进一步引入自适应调整策略。仿真结果显示 ,该方法具有较佳的时变参数跟踪效果。