摘要
针对Hammerstein输出误差自回归(OEMA)模型,将关键变量分离原理与辅助模型辨识思想相结合,提出了基于关键变量分离的辅助模型递推增广最小二乘辨识方法。该方法能获得系统参数估计和噪声参数估计,且能实现在线辨识。
The key-term separation principle and the auxiliary model identification idea,and presents the auxiliary model based recursive extended least squares algorithms for Hammerstein output error autoregression（OEMA） systems are combined.The proposed algorithms can obtain the system model parameter estimates and the noise model parameter estimates,and can be implemented on-line.
出处
《科学技术与工程》
2009年第22期6837-6839,共3页
Science Technology and Engineering
基金
山东省高等学校优秀青年教师国内访问学者项目
国家自然科学基金(60673101)资助
