傳統(tǒng)系統(tǒng)辨識
一些基本概念
隨機過程混稽；自相關(guān)函數(shù)；互相關(guān)函數(shù)审胚；互協(xié)方差函數(shù)；Parseval譜密度礼旅；維納辛欽定理
輸入信號問題
持續(xù)激勵條件
最優(yōu)輸入信號條件：由Fisher信息矩陣逆的標量目標函數(shù)推導膳叨。
白噪聲信號；MPRS/PRBS信號/M序列痘系；逆M序列
方案
復雜的系統(tǒng)建模已經(jīng)到達數(shù)據(jù)驅(qū)動建模的階段菲嘴，利用充分的數(shù)據(jù)量結(jié)合優(yōu)化方法，建立符合生理假說目標函數(shù)的模型[J.M.的做法]。
從優(yōu)化角度出發(fā)龄坪，考慮優(yōu)化方法昭雌？多目標優(yōu)化，智能優(yōu)化算法健田？混合建模（即機理+黑箱結(jié)合方法）烛卧，軟測量？妓局？
從控制目的出發(fā)总放，是否需要充分的模型？
① 數(shù)據(jù)驅(qū)動好爬？
② 目標優(yōu)化
③ 機理建模+參數(shù)辨識
④ 機理+網(wǎng)絡(luò)黑箱
參數(shù)辨識方法局雄，核心在于利用多少信息，優(yōu)化多少變量存炮。
就參數(shù)辨識方法來說炬搭，常用的KF EKF UKF等傳統(tǒng)濾波方法，大多是假設(shè)了x_{t}只與x_{t-1}有關(guān)的, 即馬爾科夫假設(shè)穆桂。然而宫盔，狀態(tài)鏈并不一定是一階的。
從高斯噪聲假設(shè)充尉，可以有KF系列濾波器飘言，蒙特卡洛暴力構(gòu)造噪聲分布的粒子濾波；從狀態(tài)的馬爾科夫假設(shè)出發(fā)驼侠，利用狀態(tài)鏈對當前狀態(tài)進行估計姿鸿，即轉(zhuǎn)化為非線性優(yōu)化問題。非線性優(yōu)化還是比較有意思~
