04 IS Curs pp#59-81 BW

1/23
 Modele de identificare
. Problema identificării modelelor parametrice
Contextul de lucru
P (θ*) y [n]
u [n]
U Y V (θ) | P(θ)
Vectorul parametrilor
estimaţi folosind un yM [n,θ]
orizont de măsură de M (θ)
dimensiune N, vector
renotat prin:
θˆ N ∈ R nθ Optimizare
• Deoarece datele pe baza cărora se determină modele de identificare sunt afectate

de perturbaţii stocastice, parametrii estimaţi au de asemenea o natură stocastică.
Adecvanţa parametrilor estimaţi ai unui model de identificare
este descrisă prin intermediul a 3 proprietăţi.
Nedeviere (asimptotică) Consistenţă Eficienţă

abaterea faţă de convergenţa viteza de 59
media statistică statistică convergenţă
2/23
. Proprietăţi statistice dezirabile ale estimaţiilor parametrice
Nedeviere E{θˆ N } = θ∗ Nedeviere lim E{θˆ N } = θ∗

∀ N ∈ N∗ asimptotică N →∞
Exemplu Cazul parametrului scalar Exemplu Cazul parametrului scalar

^N}
E {θ ^N}
E {θ
^
θN ^
θN
θ* θ*
0 0
N1 N2 ... Np N N1 N2 ... Np N
 Proprietate destul de restrictivă şi Deviaţie

dificil de verificat în practică. def
• Dacă media statistică a parametrilor estimaţi nu Δ N = θ∗ − E{θˆ N }

∀ N ∈ N∗
verifică această proprietate, atunci estimaţia se
consideră deviată. Proprietate relaxată lim E{θˆ N } = θ∗ ⇔ lim Δ N = 0 60
N →∞ N →∞
3/23
Consistenţă lim θˆ N = θ∗ Exemplu Cazul parametrului scalar

N →∞
^N}
E {θ
• Relevă maniera în care se grupează estimaţiile ^
θN
în jurul mediei (sau al valorilor adevărate).
• Raportul dintre consistenţă şi nedeviere (asimptotică)
este ilustrat de următoarea proprietate:
Exerciţiu Estimaţiile consistente pot fi deviate, dar θ*
sunt întotdeauna asimptotic nedeviate.
(cleştele consistenţei)
• O altă proprietate interesantă este legată de
conceptul de varianţă a erorii de estimare.
0
def N1 N2 ... Np N
σ (θ ) = E { θ − θ
2 ∗ 2
}∈ R
Toate realizările estimaţiilor converg la
 Produsul interior (scalar). valoarea adevărată.
Matrice de auto-covarianţă Exerciţiu lim θˆ N = θ∗ ⇔ lim P θˆ N = 0

N →∞ N →∞
( )
lim σ 2 ( θˆ N ) = 0 se poate
def Dispersie tot mai mică
∗ ∗ T nθ×nθ
P(θ ) = E{(θ − θ )(θ − θ ) } ∈ R în jurul mediei. N →∞ arăta
 Produsul exterior.
 Consistenţa este proprietatea cea mai importantă.
61
4/23
Eficienţă θˆ N
θ̂ este cel puţin tot atît de eficientă ca θ% N dacă:
∆1 ( A ) ≥ 0
P ( θˆ N ) ≤ P ( θ% N ) P ( θ% N ) − P ( θˆ N ) ≥ 0 ∆2 ( A) ≥ 0
lim θˆ N = θ∗ ⇔ lim P ( θˆ N ) = 0  În sensul pozitiv M

xT Ax ≥ 0 σ( A ) ⊂ R +
N →∞ N →∞ (semi-)definirii.
• Eficienþa este asimilată cu viteza de consistenţă.
∀ x ∈ Rn  spectrul
matricii
A O
det( A ) ≥ 0
 determinanţii
Exemplu Cazul parametrului scalar Sylvester
^N}
E {θ
~
E {θN}
^ ~
θN θN
θ* θ*
0 0
N1 N2 ... Np N N1 N2 ... Np N
Consistenţă rapidă. Consistenţă lentă.
62
5/23
. Exerciţii rezolvate
Exerciţiul 2.1
Fie e un zgomot alb de medie nulă şi varianţă unitară care stimulează
intrarea unui model AR[1]. Să se determine secvenţa de auto-
covarianţă a zgomotului colorat rezultat, y.
Soluţie
63
6/23
Soluţie (Exerciţiul 2.1)
 Folosind relaþia analiticã a secvenþei de auto-covarianþã, se poate determina

64
parametrul necunoscut a din datele mãsurate (dupã estimarea auto-covarianþei).
7/23
Exerciţiul 2.2
Fie e un zgomot alb de medie nulă şi varianţă unitară care stimulează
intrarea unui model MA[1]. Să se determine secvenţa de auto-
covarianţă a zgomotului colorat rezultat, y. Dacă modelul MA are
ordinul nc, să se arate că secvenţa de auto-covarianţă a ieşirii are
suport finit (adică are un număr finit de valori nenule) şi să se
determine dimensiunea maximă a suportului.
Soluţie
65
8/23
66 66
9/23
Exerciţiul 2.4
Echivalenţa dintre 2 modele matematice
(densităţi spectrale de ieşire identice).
 2 zgomote v  1 zgomot
e x y w y
C/A + ≡ B/A
ARMA[ na , nc ] : A ( q −1 ) x[ n] = C ( q −1 ) e[n ], ∀ n ∈ N∗ B ( q −1 )
ARMA[ na , nb ] : y[ n] = w[n ], ∀ n ∈ N∗
y[ n] = x[ n] + v[ n], ∀ n ∈ N∗ A (q −1
)
E {e[ n]e[ n ± k ]} = λ 2e δ0 [ k ], ∀k ∈Z (alb) E {w[ n]w[ n ± k ]} = λ 2w δ0 [ k ], ∀k ∈ Z (alb)
E {v[ n]v[ n ± k ]} = λ 2v δ0 [ k ], ∀k ∈ Z (alb)
E {e[ n]v[ n ± k ]} = 0, ∀k ∈Z (necorelate)
Să se determine coeficienţii şi gradul polinomului necunoscut B, precum şi
varianţa λ2w în funcţie de polinoamele A, C şi varianţele λ2e , λ2v , prin echivalarea
celor două modele, în cazul na=nc=1. Este modelul rezultat unic determinat?
 Examen:
Generalizaţi rezultatul pentru valori arbitrare ale indicilor structurali na şi nc.
67
10/23
densităţi spectrale de ieşire identice ⇔ autocovarianţe de ieşire identice
68
11/23
69
12/23
70
13/23
71
14/23
 Deoarece b0≠0, are loc transmisia instantanee a zgomotului la ieşire,

aşa cum era de aşteptat.
 Examen: Echivalaţi un model AR avînd 2 zgomote cu 72
un model ARMA avînd un singur zgomot.
15/23
Exerciţiu ARX vs OE
Determinaţi funcţiile pondere ale sistemelor liniare descrise de modelele
ARX[1,1] şi OE[1,1]. Prin ce diferă cele două modele?
Soluţie
73
16/23
Soluţie (Exerciţiu ARX vs OE)
74
17/23
Exerciţiul 3.1
Deduceţi relaţiile recurente verificate de funcţiile de covarianţă ale
ieşirii în fiecare din modelele ARX[1,1] şi OE[1,1]. Evaluaţi SNR ale
celor 2 modele în cazul în care sunt stimulate cu treapta unitară.
Soluţie
75
18/23
76
19/23
77
20/23
78
21/23
79
22/23
80
23/23
81

04 IS Curs pp#59-81 BW

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

04 IS Curs pp#59-81 BW

Încărcat de

Drepturi de autor:

Formate disponibile

1/23

• Deoarece datele pe baza cărora se determină modele de identificare sunt afectate

Nedeviere (asimptotică) Consistenţă Eficienţă

Nedeviere E{θˆ N } = θ∗ Nedeviere lim E{θˆ N } = θ∗

Exemplu Cazul parametrului scalar Exemplu Cazul parametrului scalar

 Proprietate destul de restrictivă şi Deviaţie

• Dacă media statistică a parametrilor estimaţi nu Δ N = θ∗ − E{θˆ N }

Consistenţă lim θˆ N = θ∗ Exemplu Cazul parametrului scalar

Matrice de auto-covarianţă Exerciţiu lim θˆ N = θ∗ ⇔ lim P θˆ N = 0

lim θˆ N = θ∗ ⇔ lim P ( θˆ N ) = 0  În sensul pozitiv M

 Folosind relaþia analiticã a secvenþei de auto-covarianþã, se poate determina

 Deoarece b0≠0, are loc transmisia instantanee a zgomotului la ieşire,

Soluţie (Exerciţiu ARX vs OE)

S-ar putea să vă placă și