资源描述：
《系统辨识及其matlab仿真(一些噪声和辨识算法).》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、【1】随机序列产生程序【2】白噪声产生程序【3】M序列产生程序【4】二阶系统一次性完成最小二乘辨识程序【5】实际压力系统的最小二乘辨识程序【6】递推的最小二乘辨识程序【7】增广的最小二乘辨识程序【8】梯度校正的最小二乘辨识程序【9】递推的极大似然辨识程序【10】Bayes辨识程序【11】改进的神经网络MBP算法对噪声系统辨识程序【12】多维非线性函数辨识程序的Matlab程序【13】模糊神经网络解耦Matlab程序【14】F-检验法部分程序【1】随机序列产生程序A=6;x0=1;M=255;fork=
2、1:100x2=A*x0;x1=mod(x2,M);v1=x1/256;v(:,k)=v1;x0=x1;v0=v1;endv2=vk1=k;%grapherk=1:k1;plot(k,v,k,v,'r');xlabel('k'),ylabel('v');title('(0,1)均匀分布的随机序列')【2】白噪声产生程序A=6;x0=1;M=255;f=2;N=100;fork=1:Nx2=A*x0;x1=mod(x2,M);v1=x1/256;v(:,k)=(v1-0.5)*f;x0=x1;v0=v1
3、;endv2=vk1=k;%grapherk=1:k1;plot(k,v,k,v,'r');xlabel('k'),ylabel('v');title('(-1,+1)均匀分布的白噪声')【3】M序列产生程序X1=1;X2=0;X3=1;X4=0;%移位寄存器输入Xi初T态（0101），Yi为移位寄存器各级输出m=60;%置M序列总长度fori=1:m%1#Y4=X4;Y3=X3;Y2=X2;Y1=X1;X4=Y3;X3=Y2;X2=Y1;X1=xor(Y3,Y4);%异或运算ifY4==0U(i)=
4、-1;elseU(i)=Y4;endendM=U%绘图i1=ik=1:1:i1;plot(k,U,k,U,'rx')xlabel('k')ylabel('M序列')title('移位寄存器产生的M序列')【4】二阶系统一次性完成最小二乘辨识程序%FLch3LSeg1u=[-1,1,-1,1,1,1,1,-1,-1,-1,1,-1,-1,1,1];%系统辨识的输入信号为一个周期的M序列z=zeros(1,16);%定义输出观测值的长度fork=3:16z(k)=1.5*z(k-1)-0.7*z(k-2)
5、+u(k-1)+0.5*u(k-2);%用理想输出值作为观测值endsubplot(3,1,1)%画三行一列图形窗口中的第一个图形stem(u)%画出输入信号u的经线图形subplot(3,1,2)%画三行一列图形窗口中的第二个图形i=1:1:16;%横坐标范围是1到16，步长为1plot(i,z)%图形的横坐标是采样时刻i,纵坐标是输出观测值z,图形格式为连续曲线subplot(3,1,3)%画三行一列图形窗口中的第三个图形stem(z),gridon%画出输出观测值z的经线图形，并显示坐标网格u,
6、z%显示输入信号和输出观测信号%L=14%数据长度HL=[-z(2)-z(1)u(2)u(1);-z(3)-z(2)u(3)u(2);-z(4)-z(3)u(4)u(3);-z(5)-z(4)u(5)u(4);-z(6)-z(5)u(6)u(5);-z(7)-z(6)u(7)u(6);-z(8)-z(7)u(8)u(7);-z(9)-z(8)u(9)u(8);-z(10)-z(9)u(10)u(9);-z(11)-z(10)u(11)u(10);-z(12)-z(11)u(12)u(11);-z(13
7、)-z(12)u(13)u(12);-z(14)-z(13)u(14)u(13);-z(15)-z(14)u(15)u(14)]%给样本矩阵HL赋值ZL=[z(3);z(4);z(5);z(6);z(7);z(8);z(9);z(10);z(11);z(12);z(13);z(14);z(15);z(16)]%给样本矩阵zL赋值%calculatingparameters%计算参数c1=HL'*HL;c2=inv(c1);c3=HL'*ZL;c=c2*c3%计算并显示%DISPLAYPARAMETER
8、Sa1=c(1),a2=c(2),b1=c(3),b2=c(4)%从中分离出并显示a1、a2、b1、b2%End【5】实际压力系统的最小二乘辨识程序%FLch3LSeg2clear%工作间清零V=[54.3,61.8,72.4,88.7,118.6,194.0]'%赋初值V，并显示P=[61.2,49.5,37.6,28.4,19.2,10.1]'%赋初值P，并显示%logP=-alpha*logV+logbeita=[-logV,1][alpha,lo
