Documente Academic
Documente Profesional
Documente Cultură
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
θ* θ*
0 0
N1 N2 ... Np N N1 N2 ... Np N
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
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
Modele de identificare
. 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
Modele de identificare
. Exerciţii rezolvate
Soluţie (Exerciţiul 2.1)
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
Modele de identificare
. Exerciţii rezolvate
Soluţie (Exerciţiul 1.2)
66 66
9/23
Modele de identificare
. Exerciţii rezolvate
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
Modele de identificare
. Exerciţii rezolvate
Soluţie (Exerciţiul 2.4)
densităţi spectrale de ieşire identice ⇔ autocovarianţe de ieşire identice
68
11/23
Modele de identificare
. Exerciţii rezolvate
Soluţie (Exerciţiul 2.4)
69
12/23
Modele de identificare
. Exerciţii rezolvate
Soluţie (Exerciţiul 2.4)
70
13/23
Modele de identificare
. Exerciţii rezolvate
Soluţie (Exerciţiul 2.4)
71
14/23
Modele de identificare
. Exerciţii rezolvate
Soluţie (Exerciţiul 2.4)
73
16/23
Modele de identificare
. Exerciţii rezolvate
74
17/23
Modele de identificare
. Exerciţii rezolvate
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
Modele de identificare
. Exerciţii rezolvate
Soluţie (Exerciţiul 3.1)
76
19/23
Modele de identificare
. Exerciţii rezolvate
Soluţie (Exerciţiul 3.1)
77
20/23
Modele de identificare
. Exerciţii rezolvate
Soluţie (Exerciţiul 3.1)
78
21/23
Modele de identificare
. Exerciţii rezolvate
Soluţie (Exerciţiul 3.1)
79
22/23
Modele de identificare
. Exerciţii rezolvate
Soluţie (Exerciţiul 3.1)
80
23/23
Modele de identificare
. Exerciţii rezolvate
Soluţie (Exerciţiul 3.1)
81