基于数据滤波的随机梯度辨识方法
CSTR:
作者:
作者单位:

江南大学 物联网工程学院,江苏 无锡 214122

作者简介:

通讯作者:

E-mail: fding@jiangnan.edu.cn.

中图分类号:

TP273

基金项目:

国家自然科学基金项目(62273167).


Filtering-based stochastic gradient identification methods
Author:
Affiliation:

School of Internet of Things Engineering,Jiangnan University,Wuxi 214122,China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对有色噪声干扰下的随机系统,利用数据滤波技术,对输入输出数据进行滤波,将具有滑动平均噪声的原始系统转换为白噪声干扰下的系统,提出有限脉冲响应滑动平均系统的滤波增广随机梯度算法,并对该算法进行收敛性分析.此外,为了提高参数估计的精度和加快算法的收敛速度,使用多新息辨识理论提出滤波多新息增广随机梯度算法,并分析其收敛性.与增广随机梯度算法相比,所提出的滤波增广随机梯度算法和滤波多新息增广随机梯度算法可以得到更高精度的参数估计.最后,通过仿真实例表明了所提出算法的有效性.

    Abstract:

    This paper studies the parameter identification of stochastic systems with colored noises. Using the data filtering technology to filter the input and output data, which converts the original system with moving average noise to the system with white noise, we propose the filtering-based extended stochastic gradient algorithm and analyze its convergence. In addition, in order to improve the parameter estimation accuracy and accelerate the convergence rate, a filtering-based multi-innovation extended stochastic gradient algorithm is proposed by using the multi-innovation identification theory and its convergence is analyzed. Compared with the extended stochastic gradient algorithm, the proposed filtering-based extended stochastic gradient algorithm and the filtering-based multi-innovation extended stochastic gradient algorithm can obtain higher precision parameter estimates. Finally, the simulation results indicate that the proposed algorithms are effective.

    参考文献
    相似文献
    引证文献
引用本文

丁锋,郑嘉芸,张霄,等.基于数据滤波的随机梯度辨识方法[J].控制与决策,2024,39(7):2259-2266

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2024-06-06
  • 出版日期: 2024-07-20
文章二维码