基于多新息算法的阶次未知的Wiener系统参数估计 论文

针对阶次未知Wiener系统辨识模型的过参数问题以及最小二乘方法精度低的问题，提出了一种基于行列式比确定阶次和分解技术的多新息最小二乘估计方案。利用系统数据构造数据矩阵，并通过行列式比方法来估计系统的阶次。接着，利用分解技术将线性模块代入非线性模块的特定项中，从而建立线性参数与非线性参数相互分离的估计模型，以此减少算法的计算量。为了解决估计模型中未知内部变量的问题，我们设计了参考模型，将内部变量转化为间接可测的变量。通过一定的新息长度，将标量新息修改为多新息，从而提升估计算法的性能。仿真结果显示，该估计方案在估计精度和收敛速率上均优于递归最小二乘方法。

为更深入了解相关方法与实现，您可以参考以下链接获取更多详细信息：

• 系统辨识最小二乘估计 详细讲解了最小二乘估计在系统辨识中的应用。

• 递推最小二乘实现参数估计 提供了递推最小二乘算法的实现方法。

• 基于多新息耦合最小二乘算法的电力系统状态空间辨识 对多新息耦合最小二乘算法在电力系统中的应用进行了深入分析。