×
丹·熊;柴，李;张景欣

脉冲和Takenaka-Malmquist基对中的稀疏系统识别。 （英语） Zbl 1440.93059号

SIAM J.控制优化。 58，第2期，965-985（2020年）.
小结：本文考虑在一对脉冲和Takenaka-Malmquist（TM）基下，通过有限数量的线性频域测量，识别具有稀疏系数的有理传递函数。我们建议在传递函数的表示中串联脉冲基函数和TM基函数，并证明了稀疏表示的唯一性。我们提供了从高概率随机样本中通过（ell_1）优化识别稀疏系统的充分条件，并给出了计算算法。数值算例表明，与仅使用脉冲基函数相比，级联脉冲基和TM基给出了更稀疏的表示，重构阶数更低，与仅用TM基函数相比对真实系统极点的依赖性更低。

MSC公司：

93B30型 系统标识
93C80号 控制理论中的频率响应方法

关键词：

稀疏系统辨识;正交有理函数;脉冲基础;TM基础;优化

软件：

PDCO公司;L1-磁性
PDF格式BibTeX公司 XML格式引用
\textit{D.Xiong}等人，SIAM J.控制优化。58，第2号，965--985（2020；Zbl 1440.93059）
全文： 内政部

参考文献：

[1] S.Boyd和L.Vandenberghe，《凸优化》，剑桥大学出版社，2004年·兹比尔1058.90049
[2] E.Candès和J.Romberg，《魔法：通过凸编程恢复稀疏信号》，技术报告，加利福尼亚州帕萨迪纳加州理工学院，2005年，https://statweb.stanford.edu/坎迪斯/软件/l1magic。
[3] E.J.CandeÉs、J.Romberg和T.Tao，《鲁棒不确定性原理：从高度不完整的频率信息中重建精确信号》，IEEE Trans。通知。《理论》，52（2006），第489-509页·Zbl 1231.94017号
[4] E.J.Candès、J.Romberg和T.Tao，从不完整和不准确的测量中恢复稳定信号，Comm.Pure Appl。数学。，59（2006），第410-412页·邮编1098.94009
[5] J.Chen和G.X.Gu，《面向控制的系统识别：一种方法》，John Wiley&Sons，纽约，2000年。
[6] J.Chen、C.N.Nett和M.K.H.Fan，《（H_{infty}）中的最坏情况系统识别：先验信息的验证、基本优化算法和误差界》，《1992年美国控制会议论文集》，IEEE，1992年，第251-257页。
[7] S.S.Chen、D.L.Donoho和M.A.Saunders，《基追踪的原子分解》，SIAM Rev.，43（2001），第129-159页，https://doi.org/10.1137/S003614450037906X。 ·Zbl 0979.94010号
[8] Y.Chen、Y.Gu和A.O.Hero，用于系统识别的稀疏LMS，《IEEE声学、语音和信号处理国际会议论文集》，2009年，第3125-3128页。
[9] C.T.Chou和M.Verhaegen，使用拉盖尔函数对SISO系统进行连续时间识别，IEEE Trans。信号处理。，47（1999），第349-362页·Zbl 1075.93505号
[10] M.Darwish、G.Pillonetto和R.Toíth，《贝叶斯脉冲响应识别中对正确内核的追求：OBF的使用》，《自动化杂志》，第87期（2018年），第318-329页·Zbl 1378.93130号
[11] D.L.Donoho，压缩传感，IEEE Trans。通知。《理论》，52（2006），第1289-1306页·Zbl 1288.94016号
[12] D.L.Donoho和M.Elad，通过最小化在一般（非正交）字典中的最优稀疏表示，Proc。国家。阿卡德。科学。美国，100（2003），第2197-2202页·Zbl 1064.94011号
[13] M.Elad和A.M.Bruckstein，广义测不准原理和基对稀疏表示，IEEE Trans。通知。《理论》，48（2002），第2558-2567页·Zbl 1062.15001号
[14] R.Gribonval和M.Nielsen，基并集中的稀疏表示，IEEE Trans。通知。《理论》，49（2003），第3320-3325页·Zbl 1286.94032号
[15] Y.Gu、J.Jin和S.Mei，用于稀疏系统辨识的（l_0）范数约束LMS算法，IEEE信号处理。莱特。，16（2009年），第774-777页。
[16] A.J.Helmicki、C.A.Jacobson和C.N.Nett，《面向控制的系统识别：最坏情况/确定性方法》，IEEE Trans。自动化。控制，36（1991），第1163-1176页·Zbl 0758.93020号
[17] P.S.C.Heuberger、T.J.de Hoog、P.M.J.Van den Hof和B.Wahlberg，时域和频域正交基函数：Hambo变换理论，SIAM J.控制优化。，42（2003），第1347-1373页，https://doi.org/10.1137/S0363012902405340。 ·Zbl 1088.94005号
[18] P.S.C.Heuberger，P.M.J.van den Hof，and B.Wahlberg，eds.，《有理正交基函数建模与识别》，Springer-Verlag出版社，伦敦，2005年。
[19] N.Kaloptsidis、G.Mileounis、B.Babadi和V.Tarokh，稀疏系统识别的自适应算法，信号处理。，91（2011），第1910-1919页·Zbl 1217.93162号
[20] T.Katayama，系统识别的子空间方法，Springer-Verlag London，2005年·Zbl 1118.93002号
[21] Y.Kopsinis、K.Slavakis和S.Theodoridis，在线稀疏系统识别和信号重建，使用投影到加权球上，IEEE Trans。信号处理。，59（2010年），第936-952页·Zbl 1392.94280号
[22] L.Ljung，《系统识别：用户理论》，第二版，Prentice-Hall，Englewood Cliffs，新泽西州，1999年·Zbl 0615.93004号
[23] L.Ljung和K.Glover，系统识别中的频域与时域方法，Automatica J.IFAC，17（1981），第71-86页·Zbl 0451.93025号
[24] D.M.Malioutov、M.Cetin和A.S.Willsky，一般过完备基中的最优稀疏表示，《IEEE声学、语音和信号处理国际会议论文集》，2004年第2卷，第ii-793-6页。
[25] R.Malti、S.B.Ekongolo和J.Ragot，基于最优拉盖尔模型的动态SISO和MISO系统近似，IEEE Trans。自动化。《控制》，43（1998），第1318-1323页·Zbl 0962.93039号
[26] B.K.Natarajan，线性系统的稀疏近似解，SIAM J.Compute。，24（1995），第227-234页，https://doi.org/10.1137/S0097539792240406。 ·Zbl 0827.68054号
[27] B.Ninness，使用正交基进行频域估计，《国际会计师联合会世界大会会议记录》，1996年，第381-386页。
[28] B.Ninness和F.Gustafsson，系统识别正交基的统一构造，IEEE Trans。自动化。控制，42（1997），第515-521页·Zbl 0874.93034号
[29] S.K.Perepu和A.K.Tangirala，使用压缩传感技术从小样本中识别方程误差模型，IFAC Papersonline，48（2015），第795-800页。
[30] R.Pintelon、P.Guillaume、Y.Rolain、J.Schoukens和H.V.Hamme，频域传递函数的参数识别-调查，IEEE Trans。自动化。控制，39（1994），第2245-2260页·Zbl 0815.93002号
[31] H.Rauhut，压缩传感和结构化随机矩阵，Radon Ser。计算。申请。数学。，9（2010年），第1-94页·Zbl 1208.15027号
[32] K.Slavakis、Y.Kopsinis和S.Theodoridis，使用投影到加权球上的稀疏系统识别自适应算法，《IEEE声学、语音和信号处理国际会议论文集》，2010年，第3742-3745页·Zbl 1392.94280号
[33] F.H.C.Tivive和A.Bouzerdoum，一种用于穿透雷达成像的复杂值信号压缩传感方法，《IEEE声学、语音和信号处理国际会议论文集》，2013年，第2144-2148页。
[34] R.Tóth、B.M.Sanandaji、K.Poolla和T.L.Vincent，线性时不变框架下的压缩系统识别，2011年第50届IEEE决策与控制会议和欧洲控制会议，2011年，第783-790页。
[35] G.Vairetti、T.van Waterschoot、M.Moonen、M.Catrysse和S.H.Jensen，《利用正交基函数对房间声学进行稀疏线性参数化建模》，2014年第22届欧洲信号处理会议，第1-5页。
[36] B.Wahlberg，使用拉盖尔模型进行系统识别，IEEE Trans。自动化。控制，36（1991），第551-562页·Zbl 0738.93078号
[37] B.Wahlberg，使用Kautz模型的系统识别，IEEE Trans。自动化。控制，39（1994），第1276-1282页·Zbl 0807.93065号
[38] B.Wahlberg和P.M.Ma¨kila¨，《关于使用拉盖尔函数和考茨函数逼近稳定线性动力系统》，Automatica J.IFAC，32（1996），第693-708页·兹比尔0856.93017
[39] D.Xiong、L.Chai和J.Zhang，使用正交有理函数识别稀疏系统，《第十一届世界智能控制与自动化大会论文集》，2014年，第2340-2345页。
[40] D.Xiong、L.Chai和J.Zhang，稀疏采样频率数据压缩识别，《第三十届中国控制与决策会议论文集》，2018年，第3842-3846页。
[41] D.Xiong、L.Chai和J.Zhang，hardy空间有理函数的不确定性原理，《IEEE声学、语音和信号处理国际会议论文集》，2018年，第4364-4368页。
[42] D.Xiong、L.Chai和J.Zhang，正交有理函数基对的不确定性原理和稀疏重建，信号处理。，166 (2020), 107211, https://doi.org/10.1016/j.sigpro.2019.07.004。
[43] S.Yu、A.S.Khwaja和J.Ma，复杂值数据的压缩感知，信号处理。，92（2012年），第357-362页。
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。