×
王，燕郊;杨玲（Yang，Ling）

基于张量分解的多线性系统递推辨识算法。 （英语） 兹比尔1527.93044

国际J鲁棒非线性控制 31，第16号，7920-7936（2021）.
摘要：多线性系统辨识涉及许多重要领域。大量待识别的参数是一个重要的挑战，因此需要对此类系统进行张量分解和建模。本文主要研究具有非高斯噪声的高阶多线性系统的参数估计，并探讨张量代数在多线性模型辨识中的作用。利用张量分解技术，将高维系统辨识问题转化为低维问题。进一步，应用多新息辨识理论，研究了具有低计算复杂度非高斯噪声的多线性系统的结合对数范数的递推算法。最后，一些仿真结果表明了该递推辨识方法的有效性。
{©2021 John Wiley&Sons有限公司}

引用于三文件

MSC公司：

93B30型 系统标识
93立方35 多变量系统、多维控制系统
93立方厘米05 控制理论中的线性系统

关键词：

多重创新识别理论;多线性系统;参数估计;递归识别;张量分解
PDF格式BibTeX公司 XML格式引用
\textit{Y.Wang}和\textit{L.Yang}，国际鲁棒非线性控制31，No.16，7920--7936（2021；Zbl 1527.93044）
全文： DOI程序

参考文献：

[1] 古伊、朱克、努里克。一类时滞非线性状态空间模型的基于偏置补偿的参数和状态估计。IET控制理论应用。2020;14(15):2176‐2185.
[2] GuY，LiuJ，LiX，et al.使用期望最大化的多速率时滞过程的状态空间模型辨识。《2019年弗兰克尔研究所杂志》；356(3):1623‐1639. ·Zbl 1406.93085号
[3] GuY，ChouY，LiuJ，et al.时变时滞多速率系统的移动时域估计。《2019年弗兰克尔研究所杂志》；356(4):2325‐2345. ·Zbl 1409.93064号
[4] 徐乐。基于随数据长度增加的动态离散测量的系统响应的可分离牛顿递归估计方法。国际J控制自动化系统。2021;19
[5] 徐乐。基于动态响应测量数据的参数估计算法。高级机械工程2017；9(11):1687814017730003.
[6] XuL，XiongWL，AlsadeiA，等。基于动态窗数据的频率响应分层参数估计。国际J控制自动化系统。2018;16(4):1756‐1764.
[7] 徐乐、宋国良。用于建模多频率信号的递归参数估计算法。电路系统信号处理。2020;39(8):4198‐4224. ·Zbl 1452.94026号
[8] JiY、ZhangC、KangZ、YuT。基于关键项分离的面向块的非线性系统参数估计。国际J鲁棒非线性控制。2020;30(9):3727‐3752. ·Zbl 1466.93161号
[9] JiY、JiangXK、WanLJ。双输入Hammerstein有限脉冲响应系统的分层最小二乘参数估计算法。《弗兰克尔研究所杂志》2020；357(8):5019‐5032. ·Zbl 1437.93131号
[10] JiY、KangZ。一类非线性系统的三阶段遗忘因子随机梯度参数估计方法。国际J鲁棒非线性控制。2021;31(3):871‐987. ·Zbl 1525.93438号
[11] PaduartJ、LauwersL、SweversJ、SmoldersK、SchoukensJ、PintelonR。使用多项式非线性状态空间模型辨识非线性系统。自动化。2010;46(4):647‐656. ·Zbl 1193.93089号
[12] LoJC、LiuJW。通过齐次Lyapunov函数的多项式静态输出反馈控制，国际。J鲁棒非线性控制。2019;29(6):1639‐1659. ·Zbl 1416.93068号
[13] KaragozR，BatselierK。正则张量网络B样条非线性系统识别。自动化。2020;122:109300. doi:10.1016/j.automatica.2020.109300·Zbl 1453.93063号
[14] GanM、GuanY、ChengGY、ChenCLP。一类可分离非线性模型的递推变量投影算法。IEEE跨神经网络学习系统。2020年doi:10.1109/TNNLS.2020.3026482
[15] 陈国荣、甘美、陈丽萍、李红霞。可分离非线性最小二乘问题的正则化变量投影算法。IEEE Trans Autom控制。2019;64(2):526‐537. ·Zbl 1482.93717号
[16] 罗杰斯M、利尔L、拉塞尔SJ。张量时间序列的多线性动力系统。Adv Neural Inf Proces系统。2013;26:2634‐2642.
[17] BrazellM、LiN、NavascaC、TamonC。利用张量反演求解多线性系统。SIAM J矩阵分析应用。2013;34(2):542‐570. ·兹比尔1273.15028
[18] 周玉华。使用基于径向基函数的状态相关自回归模型对非线性过程进行建模。IEEE信号处理Lett。2020;27:1600‐1604.
[19] FernandesS、Fanaee‐TH、GamaJ。用于分析时间演化社交网络的张量分解：概述。Artif Intell修订版2020；54:2891‐2916. doi:10.1007/s10462‐020‐09916‐4
[20] NakatsujiM、ZhangQP、LuXH、MakniB、HendlerJA。跨域张量因子分解的语义社会网络分析。IEEE Trans-Comput Soc系统。2017;4(4):207‐217.
[21] SidiropoulosND、De LathauwerL、FuX等。信号处理和机器学习的张量分解。IEEE传输信号处理。2017;65(13):3551‐3582. ·Zbl 1415.94232号
[22] VervlietN、DebalsO、SorberL等。利用不完全张量的分解打破维度诅咒：大数据分析中基于张量的科学计算。IEEE信号处理杂志2014；31(5):71‐79.
[23] CichockiA、MandicD、De LathauwerL等。信号处理应用的张量分解：从双向分量分析到多路分量分析。IEEE信号处理杂志2015；32(2):145‐163.
[24] PhanAH、TichavskP、CichockiA。通过张量重塑对高阶张量进行CANDECOMP/PARAFAC分解。IEEE传输信号处理。2013;61(19):4847‐4860.
[25] 刘毅、尚福华、交力、成杰、成赫。带有缺失数据的跟踪范数正则化CANDECOMP/PARAFAC分解。IEEE Trans Cybern公司。2014;45(11):2437‐2448.
[26] De LathauwerL、De MoorB、VandewalleJ。多线性奇异值分解。SIAM J矩阵分析应用。2000;21(4):1253‐1278. ·Zbl 0962.15005号
[27] BaderBW KoldaTG公司。张量分解及其应用。SIAM修订版2009；1(3):455‐500. ·Zbl 1173.65029号
[28] OseledetsIV公司。张紧链分解。SIAM科学计算杂志。2011;33(5):2295‐2317. ·Zbl 1232.15018号
[29] OseledetsIV，DolgovSV。TT格式的线性系统和矩阵反演的求解。SIAM科学计算杂志。2012;34（5）：A2718‐A2739·Zbl 1259.65071号
[30] ChenC、SuranaA、BlochA、RajapakseI。基于张量列的多线性控制系统数据驱动模型降阶；2019.arXiv预印本arXiv:1912.03569。
[31] MüllerT，KruppaK，LichtenbergG，等。利用张量分解方法简化的定性模型进行故障检测。IFAC‐在线论文。2015;48(21):416‐421.
[32] BatselierK、ChenZ、WongN。张量网络卡尔曼滤波器及其在递归MIMO-Volterra系统辨识中的应用。自动化。2017;84:17‐25. ·Zbl 1376.93104号
[33] NipM、HespanhaJP、KhammashM。使用量子化张量列直接数值求解大规模系统的代数Lyapunov方程。论文发表于：第52届IEEE决策与控制会议论文集；2013:950‐1957; 佛罗伦萨。
[34] 荣格。系统识别：用户理论。第二版Prentice Hall；1999
[35] 说啊。自适应滤波基础。威利；2003
[36] NascimentoVH，ZhengYR。使用分数低阶矩最小化的两种变步长自适应算法，用于非高斯干扰环境。数字信号处理。2013;23(3):831‐844.
[37] 扎亚尼。用于系统辨识的连续混合范数自适应算法。IEEE信号处理Lett。2014;21(9):1108‐1110.
[38] LuL，是的。具有α稳定过程的双线性形式的LMS算法的Lp范数。多维系统信号处理。2020;31(1):191‐203. ·Zbl 1455.94063号
[39] GibsonS、AdrianW、BrettN。双线性系统的最大似然参数估计。IEEE Trans Autom控制。2005;50(10):1581‐1596. ·Zbl 1365.93482号
[40] Elisei‐Iliescu C、Stanciu C、Paleologu C、BenestyJ、Anghel C、CiochinaS。双线性形式识别的高效递归最小二乘算法。数字信号处理。2018;83:280‐296.
[41] 张X、刘奎。通过冗余规则递归辨识双线性时滞系统。《弗兰克尔研究所杂志》2020；357(1):726‐747. ·Zbl 1429.93401号
[42] 古生物学，贝内斯蒂J，乔其纳S。双线性形式识别的自适应滤波。数字信号处理。2018;75:153‐167.
[43] 张恩、尼杰、陈杰、李Z。张量LMS算法的稳态均方误差性能分析。IEEE Trans Circuits Syst II快速简报。2020;68(3):1043‐1047. doi:10.1109/TCSII.2020.3019434
[44] WangLJ、JiY、YangHL、XuL。基于输入输出表示的特殊双线性系统的基于分解的多新息梯度辨识算法。国际J鲁棒非线性控制。2020;30(9):3607‐3623. ·Zbl 1466.93172号
[45] 刘易斯·巴内特V。统计数据中的异常值。第三版威利‐布莱克威尔；1994. ·Zbl 0801.62001
[46] 湖北省。稳健统计。威利；1981. ·Zbl 0536.62025号
[47] StojanovicV、NedicN、PrsicD、DbonjicL。非高斯噪声中输出受限ARX模型辨识的优化实验设计。应用数学模型。2016;40:6676‐6689. ·Zbl 1465.62136号
[48] 张X。通过最小化状态估计误差的协方差矩阵对双线性系统进行状态估计。Int J自适应控制信号处理。2019;33(7):1157‐1173. ·Zbl 1425.93278号
[49] 张X。双线性系统的递归参数估计及其收敛性。IET控制理论应用。2020;14(5):677‐688.
[50] LuL、ZhaoH、ChenB。具有α稳定噪声的智能天线系统的鲁棒自适应算法。IEEE Trans Circuits Syst II快速简报。2018;65(11):1783‐1787.
[51] 古德温GC，辛克斯。自适应滤波预测和控制。普伦蒂斯·霍尔；1984. ·兹比尔0653.93001
[52] LiMH、LiuXM。利用数据滤波技术，提出了一种基于最小二乘法的双线性系统参数估计迭代算法。信号处理。2018;147:23‐34.
[53] LiMH、LiuXM。具有自回归移动平均噪声的双线性系统的基于滤波的最大似然梯度迭代估计算法。电路系统信号处理。2018;37(11):5023‐5048.
[54] LiMH、LiuXM。针对一类带有自回归滑动平均噪声的特殊非线性系统，利用分层辨识原理，提出了基于滤波的最大似然迭代估计算法。国际J自适应控制信号处理。2019;33(7):1189‐1211. ·Zbl 1425.93284号
[55] LiMH、LiuXM。基于数据滤波技术的双速率采样双线性系统的迭代参数估计方法。IET控制理论应用。2021;15(9):1230‐1245.
[56] Zhang X、XuL、YangEF。基于delta算子的高计算效率状态滤波器。国际J自适应控制信号处理。2019;33(6):875‐889. ·Zbl 1425.93290号
[57] LiMH、LiuXM。双速率随机系统的最大似然分层最小二乘迭代辨识。国际J自适应控制信号处理。2021;35(2):240‐261.
[58] FanYM、LiuXM。具有可变增益非线性的输入非线性受控自回归系统的两阶段辅助模型梯度迭代算法。国际J鲁棒非线性控制。2020;30(14):5492‐5509. ·Zbl 1465.93041号
[59] LiuXM，FanYM。变增益非线性输入非线性控制自回归滑动平均系统的最大似然扩展梯度估计算法。国际J鲁棒非线性控制。2021;31(9):4017‐4036. ·Zbl 1526.93264号
[60] 丁福。多变量状态空间模型的创新算法。国际J自适应控制信号处理。2019;33(11):1601‐1618. ·兹比尔1451.93056
[61] 丁福、刘玉杰、包B。多输入多输出系统的基于梯度和基于最小二乘的迭代估计算法。2012年机械工程与系统控制工程研究所；226(1):43‐55.
[62] 潘杰、蒋X、万世凯、丁伟。一种用于多变量控制系统的基于滤波的多创新扩展随机梯度算法。国际J控制自动化系统。2017;15(3):1189‐1197.
[63] PanJ，MaH，ZhangX，等。有色噪声多变量类输出误差系统的递归耦合投影算法。IET信号处理。2020;14(7):455‐466.
[64] MaH，ZhangX，LiuQY，等。带自回归滑动平均噪声的类输出误差多变量系统的部分耦合梯度迭代算法。IET控制理论应用。2020;14(17):2613‐2627.
[65] MaH，PanJ。多变量类输出误差自回归滑动平均系统基于部分耦合最小二乘的迭代参数估计。IET控制理论应用。2019;13(18):3040‐3051.
[66] GanM、ChenCLP、ChenGY、ChenL。关于可分离非线性平方问题的一些分离算法。IEEE Trans Cybern公司。2018;48(10):2866‐2874.
[67] DingF，ChenHB，XuL，等。使用关键项分离的Hammerstein非线性系统分层最小二乘辨识算法。J Frankl Inst.2018；355(8):3737‐3752. ·Zbl 1390.93818号
[68] 陈国荣、甘美、王斯、陈丽萍。深入了解可分离非线性最小二乘问题的算法。IEEE Trans-Image处理。2021;30:1207‐1218.
[69] 陈国荣、甘美、陈丽萍、李红霞。基于基函数矩阵的灵活系数自回归模型：时间序列和非线性系统建模的框架。IEEE Trans Cybern公司。2021;51(2):614‐623.
[70] DingF，WangFF，XuL，等。使用辅助模型和分解技术对伪线性系统进行参数估计。IET控制理论应用。2017;11(3):390‐400.
[71] 万世科，金子勇，吴海波，等。基于一维卷积神经网络的心跳分类算法。医学生物学杂志。2020;20(7):2050046.
[72] ZhangY，YanZ，ZhouCC，等。基于ABC算法的微电网HESS容量分配。国际低碳技术杂志。2020;15(4):496‐505.
[73] 丁福。具有稀缺测量的状态空间系统的状态滤波和参数估计。信号处理。2014;104:369‐380.
[74] 赵梓、王旭、姚平、白玉特。一种多旋翼在风湍流作用下的健康性能评估方法。非线性动力学。2020;102(3):1701‐1715.
[75] DingF、XuL、AlsaadiFE、HayatT。利用滤波技术对带有ARMA噪声的伪线性系统进行迭代参数辨识。IET控制理论应用。2018;12(7):892‐899.
[76] 张XM、赵ZY、王ZY、王XY。基于机体振动信号的四旋翼机故障检测与识别方法。传感器。2021;21(2):581.
[77] 徐乐。非线性夹层系统的辅助模型多新息随机梯度参数估计方法。国际J鲁棒非线性控制。2021;31(1):148‐165. ·Zbl 1525.93043号
[78] 潘杰、刘伟、张惠普。基于改进双指数趋近律滑模控制的磁悬浮系统控制算法。国际J控制自动化系统。2018;16(6):2878‐2887.
[79] XuL、ChenFY。基于离散测量数据的多频信号分层递归信号建模。国际J自适应控制信号处理。2021;35(5):676‐693.
[80] 王德强、张斯、甘美、邱杰。针对输出数据缺失的Hammerstein系统，提出了一种新的EM辨识方法。IEEE Trans Ind信息。2020;16(4):2500‐2508.
[81] 丁芙、刘刚、刘XP。稀少测量的参数估计。自动化。2011;47(8):1646‐1655. ·Zbl 1232.62043号
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。