توضیحات
Input–output data filtering based recursive least squares identification for CARARMA systems
پیاده سازی مقاله برای هر دو روش بیان شده در مقاله صورت گرفته است.
برای روش اول RGELS که با دقت بسیاری نتایج حاصل از پیاده سازی مقاله در خروجی قابل مشاهده است.
ولی برای روش F-RLS در مجموع می توان گفت که نتایج خروجی کد نویسی با خروجی نتایج مقاله خیلی تطابق ندارد.
به عبارتی در صورت چند بار ران گرفتن از کد در مواردی نتاج تخمین به نتایج واقعی همگرا می شوند. ولی در اغلب موارد نتایج
تخمین واگرا خواهند بود.
لازم به ذکر است که روند شبیه سازی دقیقا طبق آنچه که در مقاله نوشته شده است قدم به قدم پیاده سازی شده است.
برنامه نویس: چند بار هم کد نوشته شده بررسی شده به لحاظ کدنویسی و رعایت اصول مندرج در مقاله و ترتیب انجام اعمال تکراری هیچ گونه
مغایرتی با مقاله وجود ندارد. اینکه در برخی از موارد نیز به نتایج درست همگرا می شود خود دلیل بر درست بودن کد مربوطه
است.
ولی بنظر میرسد که روش F-RLS در مجموع تضمین پایداری ندارد.
نحوه کار کردن با کد:
با تغییر t به عنوان تعداد نمونه برداری ها، و Sn به عنوان انحراف معیار سیگنال نویز در کد نتایج خروجی را
شامل مقادیر ضرایب تخمین زده شده و همچینین مقدار خطای تخمین را در هر حالت مشاهده نمود.
نتایج شبیه سازی با متلب
نتایج مربوط به FRLS.m
CARARMAX System identification using Filtering based Recursive Least Squares
———————————–
Result for F-RLS:
a1 = 0.28633
a2 = 0.91236
b1 = -0.11377
b2 = -0.11339
c1 = 0.14114
d1 = -0.50683
———————————–
Estimation Error is: 72.8474 %
نتایج مربوط به RGELS.m
CARARMAX System identification using Recursive Generalized Extended Least Square
———————————–
Result for RGELS:
a1 = 0.22751
a2 = 0.88737
b1 = -0.9334
b2 = 0.64426
c1 = 0.38148
d1 = -0.64674
———————————–
Estimation Error is: 24.547 %
نتایج مربوط به RGELS_FRLS.m
Result for F-RLS:
t a1 a2 b1 b2 c1 d1 delta
————————————————————
100 -0.757 0.044 -0.001 -0.002 -0.138 -0.975 123.376
————————————————————
200 -0.731 -0.034 -0.001 -0.002 -0.234 -1.025 128.310
————————————————————
500 -0.723 -0.096 -0.003 -0.004 -0.305 -0.909 129.751
————————————————————
1000 -1.747 0.789 -0.010 0.005 -0.487 -1.068 165.171
————————————————————
1500 -1.651 0.691 -0.013 0.008 -0.421 -0.933 156.786
————————————————————
2000 -1.572 0.618 -0.016 0.010 -0.481 -1.001 156.119
————————————————————
2500 -1.835 0.852 -0.013 0.012 -0.447 -0.952 166.327
————————————————————
3000 -1.787 0.802 -0.017 0.016 -0.475 -0.993 165.213
————————————————————
Result for RGELS:
t a1 a2 b1 b2 c1 d1 delta
————————————————————
100 0.228 0.876 -0.856 0.581 0.553 -0.565 13.895
————————————————————
200 0.220 0.876 -0.844 0.585 0.597 -0.402 3.605
————————————————————
500 0.211 0.897 -0.847 0.622 0.556 -0.439 6.740
————————————————————
1000 0.221 0.904 -0.849 0.618 0.566 -0.395 4.295
————————————————————
1500 0.228 0.907 -0.848 0.612 0.578 -0.378 3.019
————————————————————
2000 0.231 0.906 -0.846 0.605 0.579 -0.372 2.757
————————————————————
2500 0.231 0.906 -0.846 0.603 0.592 -0.353 1.886
————————————————————
3000 0.232 0.906 -0.847 0.605 0.595 -0.350 1.816
چکیده مقاله:
This paper uses an estimated noise transfer function to filter the input–output data and presents filtering based recursive least squares algorithms (F-RLS) for controlled autoregressive autoregressive moving average (CARARMA) systems.
Through the data filtering, we obtain two identification models, one including the parameters of the system model, and the other including the parameters of the noise model.
Thus, the recursive least squares method can be used to estimate the parameters of these two identification models, respectively, by replacing the unmeasurable variables in the information vectors with their estimates.
The proposed F-RLS algorithm has a high computational efficiency because the dimensions of its covariance matrices become small and can generate more accurate parameter estimation compared with other existing algorithms.
کلید واژه:
Signal processing, Filtering, Recursive identification, Parameter estimation, Least squares
شبیه سازی مقاله
Input–output data filtering based recursive least squares identification for CARARMA systems
توسط کارشناسان سایت متلبی تهیه شده است و به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،. با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.