%?【10】Bayes辨識(shí)程序

%FLch6BAeg1
clear
L=60;%四位移位積存器產(chǎn)生的M序列的周期
y1=1;y2=1;y3=1;y4=0;%四個(gè)移位積存器的輸出初始值
for?i=1:L;
x1=xor（y3y4）;%第一個(gè)移位積存器的輸入信號(hào)
x2=y1;%第二個(gè)移位積存器的輸入信號(hào)
x3=y2;%第三個(gè)移位積存器的輸入信號(hào)
x4=y3;%第四個(gè)移位積存器的輸入信號(hào)
y（i）=y4;%第四個(gè)移位積存器的輸出信號(hào)，幅值“0“和“1“
if?y（i）>0.5u（i）=-1;%M序列的值為“1“時(shí)辨識(shí)的輸入信號(hào)取“-1”
else?u（i）=1;%M序列的值為“0“時(shí)辨識(shí)的輸入信號(hào)取“1”
end
y1=x1;y2=x2;y3=x3;y4=x4;%為下一次的輸入信號(hào)作準(zhǔn)備
end
figure（1）;%畫第一個(gè)圖形
subplot（211）;?%畫第一個(gè)圖形的第一個(gè)子圖
stem（u）grid?on%畫出M序列輸入信號(hào)
v=randn（160）;?%產(chǎn)生一組60個(gè)正態(tài)分布的隨機(jī)噪聲
subplot（212）;?%畫第一個(gè)圖形的第二個(gè)子圖
plot（v）grid?on;%畫出隨機(jī)噪聲信號(hào)
R=corrcoef（uv）;%計(jì)算輸入信號(hào)與隨機(jī)噪聲信號(hào)的相關(guān)系數(shù)
r=R（12）%取出互相關(guān)系數(shù)
rv=std（v）*std（v）%計(jì)算隨機(jī)噪聲的方差
u%顯示輸入型號(hào)
v%顯示噪聲型號(hào)
z=zeros（160）;zmd=zeros（160）;%定義輸出采樣矩陣與模型輸出矩陣的大小
z（2）=0;z（1）=0;zmd（2）=0;zmd（1）=0;%輸出采樣、系統(tǒng)實(shí)際輸出、模型輸出賦初值
%增廣遞推最小二乘辨識(shí)
c0=[0.001?0.001?0.001?0.001?0.001?0.001?0.001]‘;%直接給出被辨識(shí)參數(shù)的初始值即一個(gè)充分小的實(shí)向量
p0=10^6*eye（77）;%直接給出初始狀態(tài)P0，即一個(gè)充分大的實(shí)數(shù)單位矩陣
E=5.e-9;%相對誤差E=0.000000005
c=[c0zeros（759）];%被辨識(shí)參數(shù)矩陣的初始值及大小
e=zeros（760）;%相對誤差的初始值及大小
for?k=3:60;?%開始求K?
z（k）=1.5*z（k-1）-0.7*z（k-2）+u（k-1）+0.5*u（k-2）+v（k）-v（k-1）+0.2*v（k-2）;%系統(tǒng)在M序列輸入下的輸出采樣信號(hào)?
h1=[-z（k-1）-z（k-2）u（k-1）u（k-2）v（k）v（k-1）v（k-2）]‘;%為求K（k）作準(zhǔn)備
x=h1‘*p0*h1+rv;
x1=inv（x）;
k1=p0*h1*x1;%K
d1=z（k）-h1‘*c0;%開始求被辨識(shí)參數(shù)c
c1=c0+k1*d1;%辨識(shí)參數(shù)c
zmd（k）=h1‘*c1%模型在M序列的輸入下的輸出響應(yīng)
e1=c1-c0;?
e2=e1./c0;?%求參數(shù)的相對變化
e（:k）=e2;
c0=c1;%給下一次用
c（:k）=c1;%把辨識(shí)參數(shù)c?列向量加入辨識(shí)參數(shù)矩陣?
p1=p0-k1*k1‘*[h1‘*p0*h1+1];%find?p（k）
p0=p1;%給下次用
if?e2<=E?break;%若收斂情況滿足要求，終止計(jì)算
end%判斷結(jié)束
end%循環(huán)結(jié)束
ce?z?zmd?%顯示被辨識(shí)參數(shù)、誤差情況、輸出采樣值、模型輸出值
%分離賦值
a1=c（1;?a2=c（2;?b1=c（3;?b2=c（4;?%分離出a1、a2、b1、b2
d1=c（5;?d2=c（6;?d3=c（7;?%分離出d1、?d2、?d3
ea1=e（1;?ea2=e（2;?eb1=e（3;?eb2=e（4;?%分離出a1、?a2、b1、b2的收斂情況
ed1=e（5;?ed2=e（6;?ed3=e（7;?%分離出d1、?d2、?d3的收斂情況
figure（2）;%畫第二個(gè)圖形
i=1:60;
plot（ia1‘r‘ia2‘r:‘ib1‘b‘ib2‘b:‘id1‘g‘id2‘g:‘id3‘g+‘）%畫出各個(gè)被辨識(shí)參數(shù)
title（‘Parameter?Identification?with?Recursive?Least?Squares?Method‘）%標(biāo)題
figure（3）;%畫出第三個(gè)圖形
i=1:60;
plot（iea1‘r‘iea2‘r:‘ieb1‘b‘ieb2‘b:‘ied1‘g‘ied2‘g:‘ied2‘r+‘）%畫出各個(gè)參數(shù)收斂情況
title（‘Identification?Precision‘）%標(biāo)題
figure（4）;
subplot（211）;i=1:60;plot（iz（i）‘r‘）%畫出系統(tǒng)的采樣輸出
subplot（212）;i=1:60;plot（izmd（i）‘b‘）%畫出模型的輸出?

?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2016-04-26?09:10??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\
?????文件????????2774??2008-12-12?21:54??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\Bayes辨識(shí)程序.m
?????文件????????1950??2008-12-12?21:57??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\F-檢驗(yàn)法部分程序%ELS.m
?????文件?????????379??2008-12-12?21:49??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\M序列產(chǎn)生程序.m
?????文件????????1314??2008-12-12?21:50??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\二階系統(tǒng)一次性完成最小二乘辨識(shí)程序.m
?????文件????????3466??2008-12-12?21:52??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\增廣的最小二乘辨識(shí)程序.m
?????文件????????2463??2008-12-12?21:55??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\多維非線性函數(shù)辨識(shí)程序的Matlab程序.m
?????文件?????????666??2008-12-12?21:50??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\實(shí)際壓力系統(tǒng)的最小二乘辨識(shí)程序.m
?????文件????????3220??2008-12-12?21:56??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\改進(jìn)的神經(jīng)網(wǎng)絡(luò)MBP算法對噪聲系統(tǒng)辨識(shí)程序.m
?????文件????????1231??2008-12-12?21:53??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\梯度校正的最小二乘辨識(shí)程序.m
?????文件????????9938??2008-12-12?21:56??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\模糊神經(jīng)網(wǎng)絡(luò)解耦Matlab程序.m
?????文件?????????262??2008-12-12?21:49??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\白噪聲產(chǎn)生程序.m
?????文件????????2277??2008-12-12?21:51??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\遞推的最小二乘辨識(shí)程序.m
?????文件????????1859??2008-12-12?21:53??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\遞推的極大似然辨識(shí)程序.m
?????文件?????????250??2008-12-12?21:57??系統(tǒng)辨識(shí)及神經(jīng)網(wǎng)絡(luò)\隨機(jī)序列產(chǎn)生程序?.m