对于以下给定的输入和输出,矩阵A
可以在MATLAB中通过伪逆或mrdivision
求出。类似地,我现在想知道,如果我的输出信号Y
矩阵包含加性零均值、不相关的高斯噪声,如何确定A
?
x1 = [1 1 1]';
x2 = [0 1 1]';
x3 = [0 0 1]';
x4 = [1 0 1]';
y1 = [1 2 0]';
y2 = [-1 0 3]';
y3 = [3 1 1]';
y4 = [5 3 -2]';
X = [x1 x2 x3 x4];
Y = [y1 y2 y3 y4];
A = Y/X
此外,我对未知噪声输出建模如下:
y1_n = y1 + sqrt(var(y1))*randn(size(y1));
y2_n = y2 + sqrt(var(y2))*randn(size(y2));
y3_n = y3 + sqrt(var(y3))*randn(size(y3));
y4_n = y4 + sqrt(var(y4))*randn(size(y4));
Y = [y1_n y2_n y3_n y4_n];
语句A = Y/X
求解线性方程组A*X = Y
。如果系统是超定的,就像在你的情况下,给出的解是最小二乘解。因此,如果你在Y
上有加性的、零均值的、不相关的高斯噪声,那么A = Y/X
将给你最好的、无偏的A
估计。
请注意,添加到Y
矩阵中的噪声相当大,因此A
的估计值与理想值相去甚远。如果你加上更少的噪音,估计会更接近:
x1 = [1 1 1]';
x2 = [0 1 1]';
x3 = [0 0 1]';
x4 = [1 0 1]';
X = [x1 x2 x3 x4];
y1 = [1 2 0]';
y2 = [-1 0 3]';
y3 = [3 1 1]';
y4 = [5 3 -2]';
Y = [y1 y2 y3 y4];
for n = [1,0.1,0.01,0]
Y_n = Y + n*randn(size(Y));
A = Y_n/X;
fprintf('n = %f, A = n',n)
disp(A)
end
输出:
n = 1.000000, A =
2.9728 -5.5407 2.8011
2.6563 -1.3166 0.6596
-3.3366 1.1349 1.5342
n = 0.100000, A =
2.0011 -4.0256 2.9402
1.9223 -1.0029 1.0921
-3.1383 1.9874 1.0913
n = 0.010000, A =
1.9903 -3.9912 2.9987
1.9941 -1.0001 1.0108
-3.0015 2.0001 1.0032
n = 0.000000, A =
2.0000 -4.0000 3.0000
2.0000 -1.0000 1.0000
-3.0000 2.0000 1.0000
当然,如果你通过添加更多的矢量来增大X
和Y
,你也会得到更好的估计,并且能够补偿更多的噪声数据。