参数估计带遗忘因子递推最小二乘法仿真(RLS).doc

文档介绍：参数估计带遗忘因子递推最小二乘法仿真(RLS)模型:y(N+1)=?N+1T?+?(N+1)其中带遗忘因子的RLS法递推算式:?N+1=?N+KN+1(y(N+1)–?N+1T?N)式(2-3-5)式(2-4-1)式(2-4-2)参考程序(BASIC)40N=200:M=2:D=2’(N—数据量;M—参数维数;D—滞后量D≧1)50DIMY(N),U(N),A(M),P(M,M),C(M,N),X(M),PX(M),E(N),A1(N),B1(N)’Y—输出;U—输入;A—参数估计;P—估计误差协方差阵;C—贮存参数估计结果;E—随机干扰;PX—工作单元;X—观测数据向量?;A1和B1—参数真值(一阶系统)60RANDOMIZE77:’伪随机数初始化70FORI=1TOM:A(I)=0:P(I,I)=1000000.:NEXTI’赋初值1111??????NNTNNNNPPK??????????1112111????????????????NNTNNTNNNNNPPPPP)](),...,1(),(),...,1([],...,,,,....,,[2121nkukunkykybbbaaaTknnTk??????????80B=1.:’赋遗忘因子赋值90FORK=5TON:’主循环100A1(K)=—:B1(K)=:C1=0.:’赋真值110IFK〉=50THENB1(K)=:’参数时变120US=15:IFRUN(0)〉=—1*US130U(K)=US:’给定输入140E(K)=RND(1)—’噪声150Y(K)=—A1(K)*Y(K—1)+B1(K)*U(K—D)+E(K)+C1*E(K—1):’过程仿真160X(1)=—Y(K—1):X(2)=U(K—D):'观测数据向量?赋值170GOSUB220’调用RLS子程序180FORI=1TOM:C(I,K)=A(I):N