基于MATLAB的广义最小二乘参数辨识与仿真

针对参数辨识中最小二乘法（LS）存在的缺点,讨论了一种用迭代的松弛算法对最小二乘辨识的改进方法-广义最小二乘（GLS）辨识,并介绍了其基于Matlab的仿真和分析方法。首先简述参数辨识的概念、最小二乘法辨识存在的主要缺点和广义最小二乘法的基本原理,之后简要介绍了Matlab系统辨识工具箱及其中参数辨识的实现方法,最后结合实例给出相应的仿真程序及其结果分析,仿真结果表明：该方法辨识精度高,明显优于最小二乘辨识。     

一种递推最小二乘图象参数辨识

本文提出一种递推最小二乘参数辨识方法,着重讨论了该方法用于处理空变图象的情况及与同类方法的比较,并进行了实验验证。     

基于小波降噪和最小二乘的加速度计参数辨识

为了降低加速度计比较法冲击激励校准中,噪声对其动态模型辨识精度的影响,提出一种基于小波降噪和最小二乘的加速度计动态模型参数频域辨识方法。该方法首先利用改进的小波阈值降噪方法对参考加速度计和被校加速度计的输出信号进行降噪,然后利用最小二乘的方法对谐振频率附近的频率响应函数进行加速度计动态模型频域参数辨识。仿真实验和加速度计比较法冲击激励校准实验表明:该方法能够有效减少噪声对频率响应函数的影响,提高加速度计动态模型参数辨识精度。     

最小二乘法参数辨识及其微机实现

最小二乘法是系统参数辨识中最基本、最成熟的方法,在微机上实现最小二乘法辨识参数,使参数辨识和建模得到了从理论到实际应用的飞跃。     

非整数阶系统频域辨识的递推最小二乘算法

非整数阶系统辨识方法是建立非整数阶系统模型的一种重要工具．本文提出了一种非整数阶系统频域辨识的最小二乘递推算法．给出了算法的详细推导，并用已知系统验证了算法的有效性．结果表明该算法是整数阶系统辨识的最小二乘递推算法的推广．使用此算法，不但能辨识整数阶系统，还能辨识非整数阶系统．     

基于递推最小二乘的荧光补偿参数辨识方法

研究流式细胞仪样本检测数据的荧光光谱重叠补偿问题.针对全矩阵补偿算法中补偿矩阵参数的获取,提出了一种使用多变量系统的递推最小二乘算法辨识补偿矩阵参数的方法.在全矩阵补偿方法的基础上,用单染色荧光光谱线性和对多染色荧光实际测量光谱进行近似,并使用多变量系统的递推最小二乘算法辨识系统参数获得补偿矩阵的元素.仿真结果表明,利用多变量系统的递推最小二乘算法进行荧光补偿与一般最小二乘算法相比,补偿结果的CV值相对误差在2％以内,进而验证了所采用的算法的有效性与可行性.     

递推最小二乘参数辨识与仿真实例

介绍了基于递推最小二乘法进行系统辨识的基本原理,对给定的实际输入输出数据运用MATLAB的M语言编写递推最小二乘算法,最后给出相应的仿真结果和分析,并对得到的模型进行验证。     

一种鲁棒的总体最小二乘自适应辨识算法

针对输入输出观测数据均含有噪声的系统辨识问题，提出了一种鲁棒的总体最小二乘自适应辨识算法．该算法在对总体最小二乘问题与向量的瑞利商及其性质研究的基础上，以被辨识系统的增广权向量的瑞利商(RQ)作为损失函数，利用梯度最陡下降原理导出权向量的自适应迭代算法，并利用随机离散学习规律对权向量模的分析修正了算法梯度，提高了算法的噪声鲁棒性，构成了一种噪声鲁棒的总体最小二乘自适应辨识算法．文中研究了该算法的收敛性能．仿真实验结果表明该算法的鲁棒抗噪性能和稳态收敛精度明显高于其它同类方法，而且可使用较大的学习因子，在较高的噪声环境下仍然保持良好的收敛性．     

基于MATLAB的最小二乘法参数辨识与仿真

本文介绍了基于MATLAB/Simulink的使用最小二乘法进行参数辨识的设计与仿真方法.首先简述参数辨识的概念和最小二乘法的基本原理,然后介绍如何采用Simulink建立系统的仿真对象模型和运用MATLAB的M语言编写最小二乘递推算法,最后结合实例给出相应的仿真结果和分析.本文的仿真方法克服了传统编程语言仿真时繁杂、难度高、周期长的缺点.     

辨识Box-Jenkins模型参数的递推广义增广最小二乘法

本文提出一种递推广义增广最小二乘辨识算法(RGELS)。该算法推广了递推增广最小二乘法(RELS),可用于一般模型(BOX-Jenkins模型)的参数辨识。数字仿真例子表明了算法的有效性。     

非线性系统辨识的改进双对角化最小二乘算法

本文提出了一种新的有效的非线性系统最小二乘辨识算法－－改进的双对角化最小二乘（ＭＢＬＳ）算法，在存在舍入误差的条件下，给出了算法的收敛性证明，事实上，算法的收敛性几何不受舍入误差的影响，算法是大范围数值稳定的，仿真结果说明了新算法的有效性。     

Generalized Predictive Control with Online Least Squares Support Vector Machines

This paper proposes a practical generalized predictive control （GPC） algorithm based on online least squares support vector machines （LS-SVM） which can deal with nonlinear systems effectively. At each sampling period the algorithm recursively modifies the model by adding a new data pair and deleting the least important one out of the consideration on realtime property. The data pair deleted is determined by the absolute value of lagrange multiplier from last sampling period. The paper gives the recursive algorithm of model parameters when adding a new data pair and deleting an existent one, respectively, and thus the inversion of a large matrix is avoided and the memory can be controlled by the algorithm entirely. The nonlinear LS-SVM model is applied in GPC algorithm at each sampling period. The experiments of generalized predictive control on pH neutralizing process show the effectiveness and practicality of the proposed algorithm.     

两种新的有效的非线性系统最小二乘辨识算法

提出了两种新的有效的最小二乘算法--改进的双对角化最小二乘算法MBLS-Ⅰ与MBLS-Ⅱ.在存在舍入误差的条件下,证明了算法的收敛性.该算法具有几乎不受舍入误差影响的优点,优于一般常用的最小二乘算法.包括数值性态极佳的SVD算法.同时,基于该算法及SVD算法,构造出了一种新的NARMAX模型结构与参数辨识的一体化算法.仿真结果证明了此新算法的优越性.     

全最小二乘法及其在参数估计中的应用

本文介绍了全最小二乘法的基本原理及其在参数估计中的应用.文中采用矩阵逼近和线性空间分解的理论推导了全最小二乘法的解及其性质,并且证明了全最小二乘解对数据拟合的残差平方和小于一般最小二乘解的残差平方和.仿真结果验证了理论,显示了全最小二乘法的优越性.     

基于在线最小二乘支持向量机的广义预测控制

This paper proposes a practical generalized predictive control (GPC) algorithm based on online least squares support vector machines (LS-SVM) which can deal with nonlinear systems effectively. At each sampling period the algorithm recursively modifies the model by adding a new data pair and deleting the least important one out of the consideration on realtime property. The data pair deleted is determined by the absolute value of lagrange multiplier from last sampling period. The paper gives the recursive algorithm of model parameters when adding a new data pair and deleting an existent one, respectively, and thus the inversion of a large matrix is avoided and the memory can be controlled by the algorithm entirely. The nonlinear LS-SVM model is applied in GPC algorithm at each sampling period. The experiments of generalized predictive control on pH neutralizing process show the effectiveness and practicality of the proposed algorithm.     

超声逆散射成像问题中的截断完全最小二乘法

在超声逆散射成像问题中,由于要反复迭代求物体内部的全场与未知函数,使得方程组的系数矩阵与数据项均存在误差,将同时考虑系数矩阵和数据项均存在误差的截断完全最小二乘正则化方法运用于超声逆散射成像问题中．数值仿真结果显示,截断完全最小二乘法与传统的Tikhanov的正则化方法相比,可以提高数据的拟合程度,也即提高了成像的质量．     

学习辨识:最小二乘算法及其重复一致性

针对重复时变系统, 提出学习辨识方法用于估计系统的时变参数. 讨论了有限时间作业区间上重复运行的时变系统以及周期时变系统两种情形. 文中给出最小二乘学习算法的推导过程, 并分析了所提算法的收敛性. 结果表明, 当重复持续激励条件成立时, 提出的学习算法具有重复一致性, 能够给出时变参数的完全估计. 通过数值算例进一步验证了学习算法的有效性.     

应用全局最小二乘法辨识AUV运动参数

用系统辨识的方法来估计AUV的水动力参数有很多优点,是当前研究的热点.考虑到AUV运动模型的特点,本文提出用全局最小二乘法(TLS)来辨识AUV水动力参数.首先分析了AUV运动模型,然后讨论了TLS及其与最小二乘法(LS)的区别与联系,提出了辨识模型并且利用仿真数据分别用TLS和LS两种方法进行了辨识,最后分析比较了两种方法的辨识结果得出结论.