随机梯度辨识方法

Matlab

利用随机梯度方法进行辨识的举例,可以结合不同情况进行优化处理(例如需要复现文献中结果)

Matlab代码如下:

matlab 复制代码
clc;clear;close; format short g;
M = 'Stochastic gradient method';
sigma = 0.5;    % Noise standard deviation
FF = 0.88;      % Forgetting factor
PlotLength = 3000; length1 = PlotLength + 200;  
na = 4; nb = 4; n = na + nb;    % order
alp = [1, 0, -0.96, 0, 0.64]; bet = [0.412, 0.9682, 0.824, 0.2472]; d = [1];
par0 = [alp(2 : na + 1), bet(1 : nb)]';
p0 = 1e6; P = eye(n) * p0; r = 1;   % initial value
par1 = ones(n, 1) * 1e-6;

sy = f_integral(alp, bet); sv = f_integral(alp, d); % the complex integral 
delta_ns = sqrt(sv / sy) * 100 * sigma; % the noise to signal ratio
[sy, sv, delta_ns];

u = normrnd(0, 1, length1, 1);
v = normrnd(0, sigma, length1, 1);
Gz = tf(bet, alp, 1);
Gn = tf(d, alp, 1);
y = lsim(Gz, u) + lsim(Gn, v);

%% Stochastic gradient
jj = 0; j1 = 0;
for k = 20 : length1
    jj = jj + 1;
    varphi = [-y(k - 1: -1: k - na); u(k - 1: -1: k - nb)]; 
    r = FF * r + varphi' * varphi;  % SG
    par1 = par1 + varphi / r * (y(k) - varphi' * par1); 
    %L = P * varphi / (FF + varphi' * P *varphi);   % RLS
    %P = P - L * varphi' * P;
    %par1 = par1 + L * (y(k) - varphi' * par1);
    delta = norm(par1 - par0) / norm(par0);
    sg(jj, :) = [jj, par1', delta];
    if (jj == 100) | (jj == 200) | (jj == 500) | mod(jj, 1000) == 0
        j1 = j1 + 1;
        sg_100(j1, :) = [jj, par1', delta * 100];
    end
    if jj == PlotLength
        break
    end
end
sg_100(j1 + 1, :) = [0, par0', 0];

%fprintf('\n', 't & \t a_1 & \t a_2 & \t b_1 & \t b_2 & \delta');
fprintf('%6d & %6.3f & %6.3f & %6.3f & %6.3f & %6.3f & %6.3f & %6.3f & %6.3f & %6.3f \\\\ \n', sg_100');
figure(1)
jk = (19: 10: PlotLength - 1)';
plot(sg(jk, 1), sg(jk, n + 2));

xlabel('\it       k'); ylabel('{\it         \delta}');

仿真结果图:

随着迭代次数的增加,可见误差越来越小,命令行窗口输出如下:

尝试修改参数加深理解~

相关推荐
伊丽莎白鹅1 小时前
论文阅读--射频电源在半导体领域的应用
论文阅读
张较瘦_2 小时前
[论文阅读] 人工智能 + 软件工程 | CASCADE:用LLM+编译器技术破解JavaScript混淆难题
javascript·论文阅读·人工智能
张较瘦_4 小时前
[论文阅读] 人工智能 | 机器学习工作流的“救星”:数据虚拟化服务如何解决数据管理难题?
论文阅读·人工智能·机器学习
图灵学术计算机论文辅导18 小时前
特征融合+目标检测!3篇CVPR新作把多模态目标检测拉高10个mAP
论文阅读·人工智能·考研·机器学习·计算机视觉·目标跟踪·信息与通信
Nina_71718 小时前
AI论文阅读方法+arixiv
论文阅读·人工智能
王上上19 小时前
【论文阅读53】-CNN-LSTM-滑坡风险随时间变化研究
论文阅读·cnn·lstm
s1ckrain2 天前
【论文阅读】ON THE ROLE OF ATTENTION HEADS IN LARGE LANGUAGE MODEL SAFETY
论文阅读·人工智能·语言模型·大模型安全
UQI-LIUWJ2 天前
论文笔记:Tuning Language Models by Proxy
论文阅读·人工智能·语言模型
钟屿3 天前
Multiscale Structure Guided Diffusion for Image Deblurring 论文阅读
论文阅读·图像处理·人工智能·深度学习·计算机视觉
张较瘦_3 天前
[论文阅读] 人工智能 + 软件工程 | NoCode-bench:评估LLM无代码功能添加能力的新基准
论文阅读·人工智能·软件工程