×
拉斐尔·奥雷拉纳;古斯塔沃·比特纳;罗德里戈·卡瓦哈尔;胡安·阿奎罗。

高斯混合噪声分布下非最小相位噪声传递函数的最大似然估计。 （英语） Zbl 1478.93704号

Automatica公司 135，文章ID 109937，11 p.（2022）.
摘要：本文提出了一种外生输入信号驱动的线性动态系统的最大似然估计算法，该系统具有非最小相位噪声传递函数和高斯混合噪声。基于期望最大化算法，我们提出了一种灵活的辨识技术来估计系统模型参数和高斯混合参数。通过数值模拟说明了我们建议的优点。

引用于2文件

理学硕士：

93E12号机组 随机控制理论中的辨识
93E10型 随机控制理论中的估计与检测

关键词：

最大似然;非最小相位传递函数;高斯混合噪声分布;EM算法
PDF格式BibTeX公司 XML格式引用
\textit{R.Orellana}等人，Automatica 135，文章ID 109937，11 p.（2022；Zbl 1478.93704）
全文： 内政部

参考文献：

[1] 阿圭罗，J.C。；Yuz，J.I。；古德温，G.C。；Delgado，R.A.，《关于时域和频域最大似然估计的等价性》，Automatica，46，2，260-270（2010）·Zbl 1205.93141号
[2] Akaike，H.，统计模型识别的新视角，IEEE自动控制汇刊，19,6716-723（1974）·Zbl 0314.62039号
[3] 阿拉萨拉特南，I。；海金，S。；Elliott，R.，使用高斯-海米特求积的离散时间非线性滤波算法，IEEE学报，95，5，953-977（2007）
[4] Balenzuela，M.P。；Dahlin，J。；北卡罗来纳州巴特利特。；Wills，A.G。；伦顿，C。；Ninness，B.，使用双滤波器方法进行精确高斯混合模型平滑，（2018 IEEE决策与控制会议（CDC）（2018）），694-699
[5] Benveniste，A。；Goursat，M。；Ruget，G.，非最小相位系统的鲁棒识别：数据通信中线性均衡器的盲调整，IEEE自动控制汇刊，25，3，385-399（1980）·Zbl 0439.93055号
[6] 伯恩斯坦，S。；Burrows，M。；Evans，J。；格里菲斯，A。；麦克尼尔，D。；Niessen，C.，《极低频长距离通信》，IEEE学报，62，3，292-312（1974）
[7] 比利克，I。；Tabrikian，J.，使用非线性非高斯卡尔曼滤波器在闪烁噪声环境中跟踪目标，（2006年IEEE雷达会议（2006）），6
[8] Bittanti，S。；Lovera，M。；Moiraghi，L.，非正态过程能力指数在半导体质量控制中的应用，IEEE半导体制造汇刊，11，2，296-303（1998）
[9] 比特纳，G。；Orellana，R。；卡瓦哈尔，R。；Agüero，J.C.，有限高斯混合噪声分布线性动态系统的最大似然辨识，（IEEE CHILEAN电气、电子工程、信息和通信技术会议（2019年）），1-7
[10] Burnham，K.P。；Anderson，D.R.，《模型选择和多模态推理：实用信息理论方法》（2002），Springer:Springer New York·兹比尔1005.62007
[11] Campi，M.C.，传递函数识别中的零极点对消问题及其在自适应稳定中的应用，Automatica，32，6，849-857（1996）·Zbl 0854.93142号
[12] 坎皮，M.C。；Weyer，E.，线性传递函数参数的非症状置信集，IEEE自动控制汇刊，55，12，2708-2720（2010）·兹比尔1368.93673
[13] Carè，A。；公元前Cáji。；坎皮，M.C。；Weyer，E.，《有限样本系统识别：概述和新的关联方法》，IEEE Control Systems Letters，2，1，61-66（2018）
[14] 卡瓦哈尔，R。；Orellana，R。；Katselis博士。；Escárate，P。；Agüero，J.C.，一类统计推断问题的数据增强方法，《公共科学图书馆·综合》，13，12，e0208499（2018）
[15] Cedeño，A.L。；Orellana，R。；卡瓦哈尔，R。；Agüero，J.C.，利用高斯混合模型基于EM的静态误差-变量系统识别，IFAC论文在线，53，2，863-868（2020），第21届IFAC世界大会
[16] Chandrasekhar，S.，《关于控制恒星真实和表观旋转速度分布的积分方程》，《天体物理杂志》，111，142（1950）
[17] 陈，B。；Petropulu，A.，基于二阶和高阶统计的频域盲MIMO系统识别，IEEE信号处理学报，49，8，1677-1688（2001）
[18] Dahlin，J。；Wills，A.G。；Ninness，B.，《具有灵活噪声分布的稀疏贝叶斯ARX模型》，IFAC PapersOnLine，51，15，25-30（2018），第18届IFAC系统识别研讨会SYSID
[19] Dempster，A。；莱尔德，N。；Rubin，D.，《通过EM算法从不完整数据中获取最大似然》，《皇家统计学会杂志》。B系列，39，1，1-38（1977）·Zbl 0364.62022号
[20] 弗里德兰德，B。；Porat，B.，非高斯过程MA和ARMA参数的高阶矩渐近最优估计，IEEE自动控制汇刊，35，1，27-35（1990）·Zbl 0713.62086号
[21] Frühwirth Schnatter，S.教授。；Celeux，G。；Robert，C.，《混合物分析手册》（2018年），查普曼和霍尔/CRC：查普曼与霍尔/CRC纽约
[22] Giannakis，G。；Mendel，J.，使用高阶统计量识别非最小相位系统，IEEE声学、语音和信号处理汇刊，37，3，360-377（1989）·Zbl 0688.93061号
[23] 海金，S。；Huber，K。；Chen，Z.，MIMO无线通信的贝叶斯序贯状态估计，IEEE学报，92439-454（2004）
[24] Hsu，N。；Jay Breidt，F.，《非高斯移动平均值的精确最大似然估计》，《中国统计》，2009年第19期，第2545-560页·Zbl 1168.62081号
[25] Jategaonkar，R.，《飞行器系统识别：时域方法》（2015），《宇航和航空进展》
[26] Jeff Wu，C.F.，《关于EM算法的收敛性》，《统计年鉴》，第11期，第195-103页（1983年）·兹比尔0517.62035
[27] Jin，C。；Zhang，Y。；Balakrishnan，S。；温赖特，M。；Jordan，M.，《高斯混合模型可能性的局部最大值：结构结果和算法结果》，4123-4131（2016），Curran Associates Inc。
[28] 李伟（Li，W.）。；贾毅。；杜，J。；Zhang，J.，带闪烁噪声的多目标跟踪PHD滤波器，信号处理，94，48-56（2014）
[29] Lichota，P.，《飞机参数估计的多线操纵设计中包含D最优性》，《理论与应用力学杂志》，54，1（2016）
[30] Lii，K。；Rosenblatt，M.，非高斯非最小相位移动平均过程的近似最大似然估计，《多变量分析杂志》，43，272-299（1992）·Zbl 0765.62082号
[31] Lii，K。；Rosenblatt，M.，非高斯非最小相位ARMA序列的最大似然估计，中国统计，6，1，1-22（1996）·Zbl 0839.62085号
[32] Ljung，L.，《系统识别：用户理论》（1999），普伦蒂斯·霍尔PTR：普伦蒂斯霍尔PTR上鞍河，美国新泽西州
[33] Lo，J.，有限维传感器轨道和最佳非线性滤波，IEEE信息理论汇刊，18，5，583-588（1972）·Zbl 0246.93042号
[34] 马，J。；徐，L。；Jordan，M.，高斯混合EM算法的渐近收敛速度，神经计算，12，12，2881-2907（2000）
[35] McLachlan，G.J。；Peel，D.，有限混合模型（2000），John Wiley&Sons：John Willey&Sons纽约·Zbl 0963.62061号
[36] Mengersen，K。；罗伯特·C。；Titterington，M.，《混合物：估算和应用》（2011），威利·Zbl 1218.62003号
[37] Naim，I.和Gildea，D.（2012年）。混合系数不平衡的高斯混合的EM算法的收敛性。第29届国际机器学习会议论文集（第1427-1431页）。
[38] 奥本海姆，A。；Schafer，R.，离散时间信号处理（1989），普伦蒂斯·霍尔·Zbl 0676.42001号
[39] Orellana，R。；卡瓦哈尔，R。；Agüero，J.C.，利用有限高斯混合估计最大似然无限混合分布，IFAC论文在线，51，15，706-711（2018），第18届IFAC系统识别研讨会
[40] Orellana，R。；卡瓦哈尔，R。；Agüero，J.C.，利用有限高斯混合模型的经验贝叶斯估计，（IEEE CHILEAN电气、电子工程、信息和通信技术会议（2019年）），1-6
[41] Orellana，R。；卡瓦哈尔，R。；阿圭罗，J.C。；Goodwin，G.C.，FIR系统使用高斯混合模型的随机嵌入方法进行模型误差建模，IFAC PapersOnLine，53，2845-850（2020），第21届IFAC世界大会
[42] Orellana，R。；卡瓦哈尔，R。；Escárate，P。；Agüero，J.C.，《利用高斯混合模型的随机嵌入方法识别线性动态系统的不确定性》，《传感器》，21，11，3837（2021）
[43] Orellana，R。；Escárate，P。；居里，M。；Christen，A。；卡瓦哈尔，R。；Agüero，J.C.，解卷积恒星旋转速度的方法-III.利用有限分布混合物的最大似然概率分布函数，天文学与天体物理学，623，A138（2019）
[44] 潘达夫，A。；Mallick，D。；Mohanty，B.，《有限统计对重离子碰撞实验中高阶累积量测量的影响》，核物理A，991，第121608条，pp.（2019）
[45] Pawełek，A。；Lichota，P.，《使用最大似然估计和Fisher信息矩阵评估到达空中交通分离》，（第20届国际喀尔巴阡山控制会议（2019年）），1-6
[46] Pollock，D.，《时间序列分析、信号处理和动力学手册》（1999），学术出版社·Zbl 0953.62090号
[47] 波拉特，B。；Friedlander，B.，基于高阶矩的参数估计算法性能分析，国际自适应控制和信号处理杂志，3191-229（1989）·Zbl 0728.93071号
[48] Rasmussen，K.，非最小相位和非因果ARMA模型参数的最大似然估计，IEEE信号处理汇刊，42，1，209-211（1994）
[49] Rosenblatt，M.，非高斯时间序列模型，（时间序列分析和地球物理系统应用（2004），Springer:Springer New York），227-237·Zbl 1091.62085号
[50] 沙尔维，O。；Weinstein，E.，非高斯输入下系统辨识的最大似然和下限，IEEE信息理论汇刊，40，2，328-339（1994）·Zbl 0825.93701号
[51] Söderström，T。；Stoica，P.，《系统识别》（1988），Prentice-Hall公司：Prentice-Hall公司，美国新泽西州上鞍河·Zbl 0714.93056号
[52] 索伦森，H。；Alspach，D.，使用高斯和的递归贝叶斯估计，Automatica，7，4，465-479（1971）·Zbl 0219.93020号
[53] 施皮盖尔哈特，D.J。；贝斯特，N.G。；卡林，B.P。；van der Linde，A.，《偏差信息标准：12年后》，《皇家统计学会杂志》。B系列：统计方法，76,3485-493（2014）·兹比尔1411.62027
[54] 泰尔·H，《经济预测与政策》（1975年），北荷兰
[55] Tugnait，J.，非最小相位线性随机系统的辨识，Automatica，22，4，457-464（1986）·Zbl 0604.93065号
[56] Wright，S.，坐标下降算法，数学规划，151，1，3-34（2015）·Zbl 1317.49038号
[57] 徐，L。；Jordan，M.，关于高斯混合的EM算法的收敛性，神经计算，8，1，129-151（1996）
[58] Yu，C。；Verhaegen，M.，非最小相位LTI系统的数据驱动故障估计，Automatica，92，181-187（2018）·Zbl 1388.93089号
[59] 赵，R。；李毅。；Sun，Y.，高斯混合模型上EM算法的统计收敛性，《电子统计杂志》，14，1632-660（2020）·Zbl 1435.62256号
[60] 齐达内，M。；赛义德，S。；萨布里，M。；Boumezzough，A.，最小和非最小相位信道的脉冲响应识别，《国际先进科学技术杂志》，64，59-72（2014）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。