系统辨识参数辨识matlab程序

一、考虑如下系统

分 别 取 (1) (2) 为 白 噪 声 ； (3)

。试采用伪随机信号作为输入，应用相关分析法辨识系

统的脉冲响应函数，并辨识出系统的模型参数。

要求：进行 Matlab 编程实现，程序功能应包括

(1) 实验数据的获取；

(2) 显示相关分析法辨识得到的 10 个脉冲响应结果；

(3) 在结构辨识的基础上进行参数辨识，结构的辨识算法自定；

输入信号采用伪随机二位式序列输入信号。

一、采用AR模型，噪声为 系统，分别采用最小二乘法和遗忘因子算

法（遗忘因子取0.95）辨识系统的参数。

表1 用最小二乘法辨识参数

参数

真值

-0.8 0.15 1 0.5

估值

-0.8348 0.1676 1.026 0.4361

表2 用遗忘因子法辨识参数

-

0.0337，0.9953，1.3087，0.8339，0.5033，0.2331，0.094，0.0764，0.00128，0.

0035。

用递推法时的10个脉冲响应:

0.032，0.9894，1.2508，0.8512，0.4925，0.3438，0.2348，0.1716，0.067

，0.0313。

-0.05

0.05

Cross corr. function between input u1 and residuals from output y1

图1 用最小二乘法辨识模型误差与相关性分析

图2 用遗忘因子法辨识模型误差与相关性分析

二、采用ARMA模型，噪声为 分别采用最小二乘法和遗忘因

子算法（遗忘因子取0.95）辨识系统的参数。

表4 用遗忘因子法辨识参数

最小二乘法10个脉冲响应：

0.009，0.9825，1.2818，0.8841，0.5405，0.3737，0.2341，0.0938，0.0848

，0.0999。

遗忘因子法10个脉冲响应：

图4 用遗忘因子法法辨识模型误差与相关性分析

(3)采用DA模型，噪声为 ，别采用最小二乘法和遗忘因子

算法（遗忘因子取0.95）辨识系统的参数。

表5 用最小二乘法辨识参数

最小二乘法10个脉冲响应：

-

0.0314，0.9673，1.2975，0.9164，0.5205，0.2598，0.1514，0.0989，0.021，0.0

001。

遗忘因子法10个脉冲响应：