贝叶斯辨识的matlab程序

一个简单的贝叶斯辨识matlab的程序，希望对大家有帮助。

clear
L=60; %四位移位寄存器产生的M序列的长度
y1=1; y2=1; y3=1; y4=0; %四个移位寄存器的输出初始值
for i=1:L;
    x1=xor（y3y4）; %第一个移位寄存器的输入信号
    x2=y1; %第二个移位寄存器的输入信号
    x3=y2; %第三个移位寄存器的输入信号
    x4=y3; %第四个移位寄存器的输入信号
    y（i）=y4; %第四个移位寄存器的输出信号
    if y（i）>0.5 u（i）=-1; %M序列的值为“1“时辨识的输入信号取“-1”
    else u（i）=1; %M序列的值为“0“时辨识的输入信号取“1”
    end
    y1=x1; y2=x2; y3=x3; y4=x4; %为下一次的输入信号作准备
end
figure（1）; subplot（211）; stem（u） grid on %画第一个图形的第一个子图——M序列输入信号
v=randn（160）; subplot（212）; %产生一组长度为60的正态分布随机噪声
plot（v） grid on; %画第一个图形窗口的第二个子图——随机噪声信号
R=corrcoef（uv）; %计算输入信号与随机噪声信号的相关系数
r=R（12） %取出并显示互相关系数
rv=std（v）*std（v） %计算并显示随机噪声的方差
u，v  %显示输入信号和噪声信号
z（2）=0; z（1）=0; zs（2）=0; zs（1）=0; %输出采样、系统实际输出、模型输出赋初值
zm（2）=0; zm（1）=0; %模型输出赋初值
%Bayes辨识
c0=[0.001 0.001 0.001 0.001 0.001 0.001 0.001]‘; %直接给出被辨识参数的初始值即一个充分小的实向量
p0=10^6*eye（77）; %直接给出初始状态P0，即一个充分大的实数单位矩阵
E=0.00000000005; %取相对误差E<=0.000000005为停机准则
c=[c0zeros（714）]; %被辨识参数矩阵的初始值及大小
e=zeros（715）; %相对误差的初始值及大小
for k=3:20; %开始求K 
    z（k）=-1.5*z（k-1）+0.7*z（k-2）+u（k-1）+0.5*u（k-2）+v（k）-v（k-1）+0.2*v（k-2）; %系统在M序列输入下的输出采样信号    
    h1=[-z（k-1）-z（k-2）u（k-1）u（k-2）v（k）v（k-1）v（k-2）]‘; %为求K（k）作准备
    x=h1‘*p0*h1+rv;
    x1=inv（x）;
k1=p0*h1*x1; %K
    d1=z（k）-h1‘*c0; %开始求被辨识参数c
    c1=c0+k1*d1; %辨识参数c
    zs（k）=-1.5*z（k-1）+0.7*z（k-2）+u（k-1）+0.5*u（k-2）; %系统在M序列输入下的输出响应
    zm（k）=[-z（k-1）-z（k-2）u（k-1）u（k-2）]*[c1（1）;c1（2）;c1（3）;c1（4）]; %模型的输出响应
    e1=c1-c0; 
    e2=e1./c0; %求参数的相对变化
    e（:k）=e2;
    c0=c1; %给下一次用
    c（:k）=c1; %把辨识参数c 列向量加入辨识参数矩阵 
    p1=p0-k1*k1‘*[h1‘*p0*h1+1];%find p（k）
    p0=p1; %给下次用
    if e2<=E break; %若收敛情况满足要求，终止计算
    end 
end 
ce z zs zm %显示被辨识参数、收敛情况、输出采样值、实际输出值、模型输出值
%分离赋值
a1=c（1:）; a2=c（2:）; b1=c（3:）; b2=c（4:）; %分离出a1、a2、b1、b2
d1=c（5:）; d2=c（6:）; d3=c（7:）; %分离出d1、 d2、 d3
ea1=e（1:）; ea2=e（2:）; eb1=e（3:）; eb2=e（4:）; %分离出a1、 a2、b1、b2的收敛情况
ed1=e（5:）; ed2=e（6:）; ed3=e（7:）; %分离出d1、 d2、 d3的收敛情况
figure（2）; %画第二个图形
i=1:20;
plot（ia1‘r‘ia2‘r:‘ib1‘b‘ib2‘b:‘id1‘g‘id2‘g:‘id3‘g+‘） %画出被辨识参数的各次估计值
title（‘Parameter Identification with Recursive Least Squares Method‘） %标题
figure（3）; %画出第三个图形
i=1:20;
plot（iea1‘r‘iea2‘r:‘ieb1‘b‘ieb2‘b:‘ied1‘g‘ied2‘g:‘ied2‘r+‘） %画出各个参数收敛情况
title（‘Identification Error‘） %标题
%Response %响应
figure（4）; subplot（411）; %画出第四个图形中的第一个子图
i=1:20;plot（izs（i）‘r‘） %画出被辨识系统在没有噪声情况下的实际输出响应
subplot（412）; %画出第四个图形中的第二个子图
i=1:20;plot（iz（i）‘g‘） %画出被辨识系统输出的采样值
subplot（413）; %画出第四个图形中的第三个子图
i=1:20;plot（izm（i）‘b‘） %画出模型含有噪声的输出响应
subplot（414）; %画出第四个图形中的第四个子图
i=1:20;plot（izmy（i）‘b‘） %画出模型去除噪声后的输出响应

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3336  2005-11-24 19:21  贝叶斯辨识.m

 -rw-r--r--       227  2011-08-12 15:27  readme_verysource.com.txt

----------- ---------  ---------- -----  ----

                 3563                    2