suivant: Identification avec retard
monter: Une méthode d'identification pour
précédent: Introduction
Pour alléger les formules, nous écrirons le système sous la forme:
, avec . La
sortie est , où désigne le bruit, que nous
supposons tel que
tend vers quand
tend vers l'infini. L'idée de base est
d'utiliser une famille de fonctions , telles que
pour .
On pose
. En intégrant par parties, on aura
, si , et donc
. On peut donc calculer la valeur
des coefficients et en résolvant le système
pour , si . Pour , ce système sera
résolu par la méthode des moindres carrés.
Si l'on se donne une famille , telle que
pour et
pour , avec
, on obtient alors
.
On estime
en
résolvant le système
pour
. Ces équations se déduisent
immédiatement de
.
Par exemple, on peut prendre
, et
. Ces fonctions satisfont
les hypothèses pour . Si l'on pose
si , avec
les conditions initiales , tend vers
pour
et vers
pour
, quand tend vers l'infini. La convergence est rapide
pour suffisament grand. On a
et une relation similaire pour les . On a donc
, où
les matrices satisfont des relations de récurrence
simples, ce qui facilite les calculs.
On obtient en un temps générique et suffisament grand une
bonne approximation des paramètres et en résolvant
le système
que nous noterons , où
. Comme il se peut que pour certaines valeurs le rang du
système ne s'annule, il est préférable de ne pas le
résoudre directement mais d'en chercher la solution par une
méthode de gradient, en se donnant de nouvelles variables
et
, et en intégrant le système
. Ce choix permet de conserver des valeurs précises lorsque
devient mal conditionnée et de réduire encore l'influence
du bruit. Les valeurs de et de résultent d'un
compromis entre la vitesse de convergence souhaitée et la
précision recherchée.
Exemple 1
On a pris
solution de l'équation
,
où
, avec les conditions
initiales
et
. On a choisi un bruit gaussien avec
un écart type de
. La sortie est échantillonnée à
Hz. On a pris
,
,
si
et
sinon. Les courbes de la
figure
1 résument les résultats obtenus
pour
et
.
On voit qu'après une phase de convergence,
l'approximation obtenue est excellente. La précision de
l'évaluation des coefficients est naturellement moins bonne quand
commence à varier. Toutefois, les évaluations de
et demeurent assez précises.
suivant: Identification avec retard
monter: Une méthode d'identification pour
précédent: Introduction
Francois Ollivier
2005-03-29