상태공간 모델 추정 방법

다음 추정 방법 중 하나를 사용하여 상태공간 모델을 추정할 수 있습니다.

• N4SID — 비반복적 부분공간법. 이 방법은 시간 영역 데이터와 주파수 영역 데이터에서 모두 효과가 있으며 일반적으로 SSEST 알고리즘보다 빠릅니다. n4Weight 옵션을 사용하여 CVA, SSARX 또는 MOESP 등의 부분공간 알고리즘을 선택할 수 있습니다. 또한 이 방법을 사용하여 초기 모델(n4sid 참조)을 가져온 다음, 반복적 예측 오차 방법 ssest를 사용하여 초기 추정값을 미세 조정할 수 있습니다.

  이 알고리즘에 대한 자세한 내용은 [1] 항목을 참조하십시오.

• SSEST — 예측 오차 최소화 알고리즘을 사용하는 반복법. 이 방법은 시간 영역 데이터와 주파수 영역 데이터에서 모두 효과가 있습니다. 블랙박스 추정의 경우, 이 방법은 n4sid를 사용하여 모델 파라미터를 초기화한 후 반복 탐색을 사용해 파라미터를 업데이트하여 예측 오차를 최소화합니다. 또한 하나 이상의 파라미터 초기값이 고정된 초기 모델을 사용하여 구조화된 추정을 수행하는 데 이 방법을 사용할 수 있습니다.

  이 알고리즘에 대한 자세한 내용은 [2] 항목을 참조하십시오.

• SSREGEST — 비반복법. 이 방법은 이산시간 영역 데이터와 이산 주파수 영역 데이터에서 모두 효과가 있습니다. 먼저 정규화된 고차 ARX 또는 FIR 모델을 추정하고, 상태공간 모델로 변환한 다음, 균형 축소를 수행합니다. 이 방법은 짧고 잡음이 있는 데이터 세트에서 정확도를 높입니다.

모든 추정 방법에 모델의 초기 상태, 지연, 피드스루 동작 및 외란 성분을 처리하는 방법을 지정하는 옵션이 있습니다.

참고 문헌

[1] van Overschee, P., and B. De Moor. Subspace Identification of Linear Systems: Theory, Implementation, Applications. Springer Publishing: 1996.

[2] Ljung, L. System Identification: Theory For the User, Second Edition, Upper Saddle River, N.J: Prentice Hall, 1999.

[3] T. Chen, H. Ohlsson, and L. Ljung. “On the Estimation of Transfer Functions, Regularizations and Gaussian Processes - Revisited”, Automatica, Volume 48, August 2012.