×
陈静;黄彪;丁，冯;顾、雅

具有缺失观测和变时滞ARX系统的变分贝叶斯方法。 （英语） Zbl 1401.93191号

Automatica公司 94, 194-204 (2018).
摘要：本文提出了一种变分贝叶斯方法，用于识别具有缺失观测值和可变时滞的ARX模型。ARX模型的输出受到采样率慢和通信延迟的影响。变分贝叶斯方法中使用的未知缺失观测值可以通过一个改进的卡尔曼滤波器进行估计，并且基于估计的缺失观测值和可用数据，可以使用变分贝叶斯方法估计未知参数和变化的时滞。仿真结果表明，变分贝叶斯方法是有效的。

引用于28文件

MSC公司：

93E10型 随机控制理论中的估计与检测
93E11号机组 随机控制理论中的滤波
第93页第12页 随机控制理论中的辨识
93二氧化碳 控制理论中的线性系统

关键词：

参数估计;变分贝叶斯方法;可变时滞;缺失的观测值;卡尔曼滤波法
PDF格式BibTeX公司 XML格式引用
\textit{J.Chen}等人，Automatica 94，194--204（2018；Zbl 1401.93191）
全文： 内政部

参考文献：

[1] Bai，E.W。；赵伟新。；郑维新，高维非线性非参数系统辨识中的变量选择，控制理论与技术，13，1，1-16，（2015）·Zbl 1340.93037号
[2] 伯纳多，J.M。；巴亚里，M.J。；J.O.伯杰。；达维德，美联社。；赫克曼，D。；Smith，A.F.M.，不完全数据的变分贝叶斯EM算法及其在图形模型结构评分中的应用，（贝叶斯统计学，第7卷，（2003）），453-464
[3] Chen，J.，双速率采样系统的几种梯度参数估计算法，富兰克林研究所杂志，351，1543-554，（2014）·Zbl 1293.93505号
[4] 陈，J。；马，J.X。；刘义杰。；丁，F.，基于冗余规则的时滞系统识别方法，信号处理，137192-198，（2017）
[5] 邓，J。；Huang，B.，具有缺失输出数据的非线性变参数系统的识别，AIChE Journal，58，11，3454-3467，（2012）
[6] 丁·F。；Chen，T.，双速率系统基于梯度的自适应控制算法，亚洲控制杂志，8，4，314-323，（2006）
[7] 丁·F。；邓，K.P。；Liu，X.M.，带ARMA噪声的Hammerstein非线性FIR系统的基于分解的牛顿迭代辨识方法，电路系统与信号处理，33，9，2881-2893，（2014）
[8] 丁，J。；Lin，J.X.，使用提升技术对周期非均匀采样系统的改进子空间识别，电路系统和信号处理，33，5，1439-1449，（2014）
[9] Gopaluni，R.B.，《在缺失观测下识别非线性过程的粒子滤波方法》，《加拿大化学工程杂志》，86，6，1081-1092，（2008）
[10] 郭毅。；Huang，B.，包含不频繁、延迟和积分测量的状态估计，Automatica，58，32-38，（2015）·Zbl 1330.93219号
[11] 郭杰。；Zhao，Y.L。；Sun，C.Y。；Yu，Y.，具有二值输出和通信信道的FIR系统的递归识别，Automatica，60，165-172，（2015）·Zbl 1331.93209号
[12] Kolodziej，J.E。；托拜厄斯，O.J。；西拉·R。；Morgan，D.R.，《关于约束随机梯度算法：模型、性能和改进版本》，IEEE Transactions On Signal Processing，57，4，1304-1315，（2008）·Zbl 1391.94275号
[13] 卢永杰。；黄，B。；Khatibisepehr，S.，切换ARX模型稳健识别的变分贝叶斯方法，IEEE控制论汇刊，46，12，2542-2547，（2015）
[14] Riachy，S.，《最小二乘参数估计的连续时间框架》，Automatica，50，12，3276-3280，（2014）·Zbl 1309.93161号
[15] Scattolini，R.，具有不频繁和延迟输出采样的系统的自校正控制，IEE Proceedings D（控制理论与应用），135，4，213-221，（1988）·Zbl 0665.93039号
[16] 斯塔尔，R。；Stahlheber，S。；Small，A.，《荧光分子定位的快速最大似然算法》，《光学快报》，37，3，413-415，（2012）
[17] Tiels，K。；Schoukens，J.，Wiener系统识别与广义正交基函数，Automatica，50，12，3147-3154，（2014）·Zbl 1309.93176号
[18] Tzikas，D.G。；利卡斯，A.C。；Galatsanos，N.P.，贝叶斯推断的变分近似，IEEE信号处理杂志，25，6，131-146，（2008）
[19] Vörös，J.，带齿隙系统的建模和识别，Automatica，46，2，369-374，（2010）·Zbl 1205.93036号
[20] 王，X.H。；Ding，F.，多元伪线性回归系统递归辨识算法的收敛性，国际自适应控制与信号处理杂志，30，6824-842，（2016）
[21] 王义杰。；丁，F.，利用数据滤波技术对具有滑动平均噪声的非线性IIR滤波器进行迭代估计，IMA数学控制与信息杂志，34，3，745-764，（2017）·Zbl 1417.93316号
[22] 王德庆。；Gao，Y.P.，多变量受控自回归滑动平均系统的递归最大似然辨识方法，IMA数学控制与信息杂志，33，4，1015-1031，（2016）·Zbl 1397.93213号
[23] 王德庆。；刘海波。；Ding，F.，双速率Hammerstein系统的高效识别方法，IEEE控制系统技术汇刊，23，5，1952-1960，（2015）
[24] 谢林。；杨海珍。；Huang，B.，使用EM算法对随机延迟多速率过程的FIR模型识别，AIChE Journal，59，11，4124-4132，（2013）
[25] Xiong，W.L。；杨晓强。；黄，B。；Xu，B.G.，使用期望最大化算法识别缺失输出数据的基于多个线性参数的变时滞系统，工业与工程化学研究，53，27，11074-11083，（2014）
[26] You，K.Y.，《使用自适应量化器进行参数估计的递归算法》，Automatica，52，192-201，（2015）·Zbl 1309.93164号
[27] 赵伟新。；Chen，H.F。；Bai，E.W。；Li，K.，非线性非参数系统基于核的局部阶估计，Automatica，51，243-254，（2015）·Zbl 1309.93151号
[28] Zhao，Y.J。；Fatehi，A。；Huang，B.，使用变分贝叶斯方法对时变时滞ARX模型的稳健估计，IEEE控制论汇刊，48，2，532-542，（2017）
[29] 赵S.X。；Wang，F.C。；徐，H。；朱军，信号处理中的多频识别方法，数字信号处理，19，4，555-566，（2009）
[30] 赵伟新。；Zhou，T.，基于加权最小二乘的PWARX系统子模型递归参数识别，Automatica，48，6，1190-1196，（2012）·Zbl 1244.93168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。