阶次未知Wiener系统参数估计：多新息与分解技术结合的解决方案

"基于多新息算法的阶次未知的Wiener系统参数估计-论文" 本文主要探讨了阶次未知的Wiener系统参数估计问题，针对此类系统辨识模型中的过参数问题以及最小二乘法估计精度低的挑战，提出了一种结合行列式比确定阶次与分解技术的多新息最小二乘估计方法。这种方法旨在优化系统辨识过程，提高估计效率和准确性。 首先，论文中提到的方法利用实际系统数据构建数据矩阵，通过行列式比方法来估计Wiener系统的阶次。这种方法有助于避免过参数化，确保模型的适配性和简洁性。行列式比是一种统计方法，它比较不同阶次模型的拟合优度，选择使模型复杂度与拟合效果达到最佳平衡的阶次。 接下来，论文引入分解技术来处理线性与非线性模块之间的关系。线性模块被代入到非线性模块的特定项中，形成一个将线性参数与非线性参数分离的估计模型。这样做的好处是减少了算法的计算复杂度，使得估计过程更为高效。 然后，设计了一个参考模型来处理估计过程中遇到的未知内部变量问题。参考模型使得原本不可直接测量的内部变量转化为可以通过观测值间接获取的信息，从而增强了模型的识别能力。 最后，论文提出了使用多新息长度来改进标量新息的策略。多新息方法通过考虑多个时间步的新信息，提高了估计算法的性能和稳定性。通过对不同噪声水平和新息长度的分析，验证了该算法在鲁棒性与有效性方面的优越性。 仿真结果显示，所提的估计方案在估计精度和收敛速度上均优于传统的递归最小二乘方法。这表明该方法对于阶次未知的Wiener系统来说是一种有效的参数估计工具，能够在复杂系统辨识中提供更准确的结果，并且具有较好的适应性和稳定性。 关键词：参数估计、阶次未知Wiener系统、分解技术、多新息最小二乘、参考模型 这篇论文的研究工作对于解决复杂系统辨识中的参数估计难题提供了新的思路，尤其对于阶次未知的Wiener系统，其方法的创新性和实用性都得到了充分展示。