基于数据滤波的子空间辨识算法
    基于数据滤波（DF）的子空间辨识算法是一种用于拟合受限子空间模型的计算方法，它可以利用有限的观测数据来拟合普通的未知系统模型。 Dieker 等提出了这种方法，并根据基于快速随机算法的 DF 子空间辨识算法的改进规则和 DBDFoo 子空间辨识算法的变体算法来提高计算效率。
正则化判别分析    DF 子空间辨识算法的基本思想是：假设观测器中有一组实际输入和输出，那么根据系统的变化，观察者把这组输入与输出分别变换为两组输入和输出。然后，作者使用七个已知的滤波器来拟合这组输入和输出的关系，即子空间模型。
    DF 子空间辨识算法的推导过程可以归纳为以下几步：首先，给定拟合模型，构造滤波器。其次，采样样本输入和输出，由此计算滤波器输入输出的特征值。然后，根据DF拟合模型，估算滤波器参数。最后，利用估计出来的参数拟合滤波器。
    在上述推导过程中，改进规则和DBDFoo 的运算结构分别可以有效提高计算效率和处理速度，有效地减少拟合精度的损失，降低误差，缩短计算时间，缩小步长，提高收敛常数极限。
DF子空间辨识算法的优势在于，它的参数估计速度更快，而且拟合精度也更高，所以它再子空间辨识中被越来越多地应用。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。