×
塔拉巴达奇诺;Sean R.安德森。;维萨干卡迪卡马纳坦

统一EM框架中NARX模型的结构检测和参数估计。 （英语） Zbl 1246.93106号

Automatica公司 48，第5期，857-865（2012）.
小结：我们考虑使用期望最大化（EM）算法对非线性生成自回归（NARX）输入模型进行结构检测和参数估计。参数估计步骤使用粒子平滑在E步骤中获得必要的期望值，然后在M步骤中以闭合形式估计参数。模型结构检测是使用F检验进行的，该检验利用了参数信息矩阵（协方差矩阵的逆矩阵），该矩阵是从EM算法的增强中获得的。获取信息矩阵的步骤是稳健的，确保在结构检测步骤中使用半正定信息矩阵。对于模型阶数未知的情况，提出了一种利用随机复杂性（SC）信息准则在候选模型之间进行选择的方法。SC由信息矩阵（表示模型复杂度）和似然估计（表示模型准确度）组成，它们都是作为增强EM算法的副产品生成的。数值结果表明，与基于正交最小二乘法的标准替代方法相比，EM方法表现良好，并且避免了在测量噪声破坏输出信号的情况下估计噪声模型的需要。

引用于1审查
引用于7文件

MSC公司：

93E10型 随机控制理论中的估计与检测
93E12号机组 随机控制理论中的辨识
93立方厘米 控制理论中的非线性系统

关键词：

非线性系统辨识;输入中带有外源（NARX）的非线性自回归;期望最大化（EM）算法;结构检测;颗粒过滤器

软件：

美国astsa;系统标识工具箱
PDF格式BibTeX公司 XML格式引用
\textit{T.Baldachino}等人，Automatica 48，No.5，857--865（2012；Zbl 1246.93106）
全文： 内政部

参考文献：

[1] Akaike，H.，统计模型识别的新视角，IEEE自动控制汇刊，19716-723（1974）·兹伯利0314.62039
[2] 安德森，S.R。；Kadirkamanathan，V.，三角洲非线性确定性系统的建模和识别，Automatica，431859-1868（2007）·Zbl 1129.93305号
[3] Andrieu，C。；Doucet，A。；辛格，S.S。；Tadic，V.B.，《用于变化检测、系统识别和控制的粒子方法》，IEEE学报，92423-438（2004）
[4] 阿鲁兰帕兰，M。；马斯克尔，S。；戈登，N。；Clapp，T.，在线非线性/非高斯贝叶斯跟踪粒子滤波器教程，IEEE信号处理汇刊，50，174-188（2002）
[5] 比林斯，S。；Voon，W.，《非线性系统的预测误差和逐步回归估计算法》，《国际控制杂志》，44，803-822（1986）·Zbl 0597.93058号
[6] 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，39，1-38（1977）·Zbl 0364.62022号
[7] Djuri，P.M.，模型选择的渐近MAP标准，信号处理，IEEE汇刊，462726-2735（2002）
[8] Doucet，A。；Godsill，S。；Andrieu，C.，《贝叶斯滤波、统计与计算的序贯蒙特卡罗抽样方法》，第10期，197-208（2000）
[9] Doucet，A.和Johansen，A.（2008）。粒子过滤和平滑教程：十五年后。在统计技术报告部; Doucet，A.和Johansen，A.（2008）。粒子过滤和平滑教程：十五年后。在统计技术报告部·Zbl 1513.60043号
[10] Duan，J.-C。；Fulop，A.，相关数据EM下信息矩阵的稳定估计，《统计与计算》，21，83-91（2011）·Zbl 1274.62364号
[11] Engle，R.F.，（Griliches，Z.；Intriligator，M.D.，《计量经济学手册》，《计量经济手册》，Wald，似然比和计量经济学中的拉格朗日乘数检验，2（1984），Elsevier），775-826，（第13章）·Zbl 0581.62094号
[12] Gibson，S。；Ninness，B.，多变量动态系统的鲁棒最大似然估计，Automatica，411667-1682（2005）·Zbl 1087.93054号
[13] Gopaluni，B.、Schön，T.B.和Wills，A.（2009年）。粒子滤波方法在缺失观测下的非线性系统辨识中的应用。在第十五届国际会计师联合会系统识别研讨会（SYSID）会议记录; Gopaluni，B.、Schön，T.B.和Wills，A.（2009年）。粒子滤波方法在缺失观测下的非线性系统辨识中的应用。在第十五届国际会计师联合会系统识别研讨会（SYSID）会议记录
[14] Gopaluni，R.，《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》，86，1081-1092（2008）
[15] Gopaluni，R.B.，《缺失观测下的非线性系统识别：未知模型结构的情况》，《过程控制杂志》，20，314-324（2010）
[16] 哈伯，R。；Unbehauen，H.，非线性动态系统的结构识别——输入/输出方法综述，Automatica，26651-667（1990）·兹比尔0721.93023
[17] 汉森，M.H。；Yu，B.，模型选择和最小描述长度原则，美国统计协会杂志，96，746-774（2001）·Zbl 1017.62004号
[18] Isaksson，A.J.，《受缺失数据影响的ARX模型识别》，IEEE自动控制汇刊，38813-819（1993）·Zbl 0785.93028号
[19] 卡迪尔卡马纳桑，V。；Anderson，S.R.，噪声输出信号三角域模型参数的最大似然估计，IEEE信号处理汇刊，56，3765-3770（2008）·Zbl 1390.94237号
[20] 卡迪尔卡马纳桑，V。；李，P。；贾沃德，M.H。；Fabri，S.G.，非线性随机系统中基于粒子滤波的故障检测，国际系统科学杂志，33259-265（2002）·兹比尔1012.93064
[21] 科伦伯格，M。；比林斯，S。；刘，Y。；McIlroy，P.，非线性随机系统的正交参数估计算法，国际控制杂志，48193-210（1988）·Zbl 0647.93062号
[22] Kukreja，S.L。；Galiana，H.L。；Kearney，R.E.，《NARMAX模型结构检测的自举方法》，《国际控制杂志》，77，132-143（2004）·Zbl 1060.93098号
[23] Leontaritis，I.J。；Billings，S.A.，非线性系统的输入-输出参数模型第1部分：确定性非线性系统，国际控制杂志，2303-328（1985）·Zbl 0569.93011号
[24] 李凯。；彭建新。；Bai，E.W.，非线性动力系统辨识的两阶段算法，Automatica，421189-1197（2006）·Zbl 1117.93314号
[25] Ljung，L.，用户系统识别理论（1999），新泽西州上鞍河，普伦蒂斯·霍尔
[26] Louis，T.A.，《使用EM算法时发现观测信息矩阵》，《皇家统计学会期刊》，B辑，44，226-233（1982）·Zbl 0488.62018号
[27] 毛泽东。；Billings，S.A.，非线性动力系统辨识中最小模型结构检测算法，国际控制杂志，68，311-330（1997）·Zbl 0889.93017号
[28] McLachlan，G.J。；Krishnan，T.，EM算法和扩展（2008），威利跨科学·Zbl 1165.62019号
[29] 纽伊，W.K。；McFadden，D.，（Engle，R.；McFadde，D.，《计量经济学手册》，《计量经济手册》，大样本估计和假设检验，4（1994），Elsevier），2111-2245，（第36章）
[30] 纽伊，W.K。；West，K.D.，《一个简单的正半定异方差自相关一致协方差矩阵》，《计量经济学》，55，703-708（1987）·Zbl 0658.62139号
[31] 皮罗迪，L。；Spinelli，W.，基于仿真误差最小化的多项式NARX模型识别算法，国际控制杂志，761767-1781（2003）·兹比尔1041.93019
[32] Rissanen，J.，《统计调查中的随机复杂性》（1989），《世界科学：世界科学新加坡》·Zbl 0800.68508号
[33] 罗维斯，S.T。；Ghahramani，Z.，《使用期望最大化算法学习非线性动力学系统》（Haykin，S.，Kalman滤波和神经网络（2001），John Wiley and Sons：John Willey and Sons New York）
[34] Schön，T.B。；Wills，A。；Ninness，B.，最大似然非线性系统估计，（第14届IFAC系统识别研讨会论文集（2006），纽卡斯尔：澳大利亚纽卡斯尔），1003-1008
[35] Schön，T.B。；Wills，A。；Ninness，B.，非线性状态空间模型的系统识别，Automatica，47，39-49（2011）·兹比尔1209.93155
[36] Schwarz，G.，估算模型的维度，《统计年鉴》，第6461-464页（1978年）·Zbl 0379.62005年
[37] Shumway，R.H。；Stoffer，D.S.，《使用EM算法进行时间序列平滑和预测的方法》，《时间序列分析杂志》，3，253-264（1982）·Zbl 0502.62085号
[38] Shumway，R.H。；Stoffer，D.S.，《时间序列分析及其应用》（2000年），《施普林格：施普林格柏林》·Zbl 0502.62085号
[39] Sjoberg，J。；张，Q。；Ljung，L。；Benveniste，A。；Delyon，B。；Glorennec，P.，《系统识别中的非线性黑盒建模：统一概述》，Automatica，311691-1724（1995）·Zbl 0846.93018号
[40] Van Overschee，P。；De Moor，B.，线性系统的子空间识别：理论、实现、应用（1996），Kluwer学术出版社·Zbl 0888.93001号
[41] Wei，H.L。；Billings，S.A。；Liu，J.，非线性系统辨识的术语和变量选择，国际控制杂志，77，86-110（2004）·Zbl 1050.93506号
[42] Wills，A.、Schön，T.和Ninness，B.（2008年）。基于EM.In的离散非线性系统参数估计第17届国际会计师联合会世界大会会议记录; Wills，A.、Schön，T.和Ninness，B.（2008年）。基于EM.In的离散非线性系统参数估计第17届国际会计师联合会世界大会会议记录
[43] Wu，C.，关于EM算法的收敛性，统计年鉴，1195-103（1983）·Zbl 0517.62035号
[44] 齐亚，A。；Kirubarajan，T。；雷利，J。；Yee，D。；普尼塔库马尔，K。；Shirani，S.，模型不确定性非线性状态估计的EM算法，IEEE信号处理汇刊，56921-936（2008）·Zbl 1390.94516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。