کاهش خطای الگوریتم تخمین پارامتریک مدل خودهمبسته میانگین متحرک تا رسیدن به نقطه بهینه

روشهای متعددی جهت شناسایی و تخمین پارامتر در سیستمهای چند ورودی و چند خروجی خطی و غیرخطی وجود دارد. روشی که در یک سیستم شبیه سازی شده خودهمبسته میانگین متحرک کنترل شده با کمینه نمودن خطا بین داده های هدف و نتایج خروجی به کشف و شناسایی پارامترهای سیستم میپردازد، متاثر از نویز میباشد. پس از افزودن نویز جمع شونده با داده های ورودی، ضرایب سیستم در الگوریتم مبتنی بر حداقل مربعات، تعیین میگردند. روند تغییرات خطای سیستم با افزایش تعداد نمونه های ورودی کاهش مییابد؛ اما به این معنا نیست که خطای تخمین با افزایش تکرار با روندی صعودی روبه کاهش قرار گیرد. به بیان دیگر تعداد نمونه های داده شده به سیستم به منظور رسیدن به خطای مشخص، با افزایش تعداد تکرار کاهش نمییابد و بلکه متغیر میباشد. همچنین کاهش خطای تخمین سیستم، به داده های ورودی بیشتر وابستگی بیشتری دارد تا به تکرار داده.

کلیدواژه ها:

خطای تخمین ، نویز جمعشونده ، کمینهنمودن خطا ، سیستمهای متغیر با زمان ، نقطه بهینه خطا.