1) recursive state estimation
递推状态估计
1.
Most of the existing recursive state estimation algorithms for discrete-time linear system with correlated noises assume that process and measurement noises are correlated at the same instant.
已有的相关噪声情况下,离散线性系统的递推状态估计算法大多假定系统噪声和量测噪声在同一时刻相关,通过对系统噪声和量测噪声相互独立的连续线性系统的采样离散化,发现离散化后的系统相邻时刻的系统噪声和量测噪声相关。
2) recu rsive state estimation
递归状态估计
3) recursive estimate
递推估计
1.
Synthesizing the two identification methods of weighted least square and resricted memory, the mutivariable system recursive estimate algorithems of unknown parameter of autoregressive models in the presence of controlled inputare are given.
将加权最小二乘法和限定记忆两种参数估计方法相综合 ,给出了多变量系统带控制输入的自回归模型未知参数的递推估计算法 。
2.
In this paper,the two identification methods of weighted least square and restricted memory are synthesized and it gives out recursive estimate algorithms of unknown parameter of autoregressive model with controlled input.
本文将加权最小二乘法和限定记忆两种辨识方法相综合，给出了带控制输入的自回归模型未知参数的递推估计算法。
4) recursive estimation
递推估计
1.
Simulation based comparison study of six recursive estimation algorithms with forgetting factor;
六种带遗忘因子的递推估计算法的仿真比较研究
2.
Research on the recursive estimation data fusion algorithm;
一类递推估计数据融合算法研究
5) recursive M-estimation
递推M-估计
1.
Strong converge of the recursive M-estimation when explanatory variables are design matrices;
非随机设计矩阵递推M-估计的强收敛性
6) state propagator
状态递推器
1.
Advanced residual chi-square test method based on state propagator
基于状态递推器的改进型残差χ~2检测法
2.
For the disadvantage of tracking the soft failure of the residual test based on Kalman filter, this paper makes an improvement on the method by using the state propagator.
针对基于卡尔曼滤波器的残差检验法会跟踪软故障的局限性,提出了一种基于状态递推器的改进方法。
补充资料：递推估计算法
利用时刻t上的参数估计孌(t)、存储向量嗘(t)与时刻 t+1上测量的输入和输出值u(t+1)和y(t+1)计算新参数值孌(t+1),再根据孌(t+1)计算出新参数值孌(t+2)，直到获得满意的参数值为止。这种算法的每一步计算量都比较小，能够使用小型计算机进行离线或在线参数估计，可以估计时变参数，也可以实时估计适应控制器的参数（见适应控制系统）。20世纪60年代，递推估计算法得到迅速发展，到了70年代产生了许多不同的方法，例如，有离线方法的各种变形、卡尔曼滤波法、随机逼近方法和模型参考适应参数递推估计法等。递推估计算法的各种方法可以用一个统一的公式来描述：
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条