卡玛

系统辨识,E部分:迭代搜索原理与辨识方法递推辨识与迭代辨识是两种重要的参数估计方法。递推辨识中的递推指标为时间变量,递推辨识可用于在线估计系统参数;迭代辨识中的迭代指标是一个与时间无关的自然数,迭代辨识一般用于离线估计系统参数。辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念等方法可通过递归算法和迭代算法来实现。迭代法可以追溯到几百年前的Jacobi迭代法和Gauss-Seidel迭代法来求解矩阵方程组$ oldsyml{Ax}=oldsymal{b}$。迭代辨识方法基于梯度搜索、最小二乘搜索和牛顿搜索原理。研究了CARMA系统和Box-Jenkins系统基于最小二乘法和梯度法的迭代辨识方法。所提出的方法也可推广到其它方程误差型系统、输出误差型系统和非线性系统。迭代法通常应用于有限数据下的系统辨识,其收敛性分析非常困难,是一个富有挑战性的研究课题。