景少雪 利用基于峰度和最小Renyi误差熵的变步长信息梯度算法识别脉冲噪声下的ARX模型。 （英语） Zbl 1527.93456号 Int.J.鲁棒非线性控制 32，第3期，1672-1686（2022）. 摘要：ARX模型是一个带有外生项的自回归模型。由于ARX模型简单且易于参数化，因此在各种应用中得到了广泛的应用。然而，关于ARX识别的大多数报告都是关于高斯噪声或白噪声环境的。在许多实际工业应用中，脉冲噪声广泛存在。对于受到这种噪声污染的系统，均方误差算法的性能将恶化。为了获得更精确的结果，提出了一种变步长随机信息梯度算法。该算法基于Renyi平方误差熵，在可变步长中引入误差峰度的四阶统计量，不仅有效地抑制了脉冲噪声，而且加快了收敛速度。同时，给出了确定最大步长的简单方法。分析了计算量和收敛性。数值实验和实例研究表明，对于受脉冲噪声干扰的ARX模型，该算法可以获得高精度的参数估计，且收敛速度快。｛©2021 John Wiley&Sons有限公司｝ MSC公司： 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 93C27型 脉冲控制/观测系统 关键词：ARX模型;峰度;参数估计;Renyi熵;SIG算法;可变步长 PDF格式BibTeX公司 XML格式引用 \textit{S.Jing}，Int.J.鲁棒非线性控制32，No.3，1672--1686（2022；Zbl 1527.93456） 全文： 内政部 参考文献： [1] 荣格。系统识别：用户理论。清华大学出版社；2002 [2] 卡诺亚·尤拉多夫。使用ARX算法对配电馈线上的微型涡轮机进行建模。IEE Proc-Gener Transm Distribute.2004；151(2):232‐238. [3] NajehT、NjimaCB、GarnaT、RagotJ。使用基于Arx‐Laguerre模型的pi观测器进行输入故障检测和估计。国际先进制造技术杂志。2017;90(5):1317‐1336. [4] SharmaRR、KumarM、MaheshwariS、RayKP。基于Evdhm‐arima的时间序列预测模型及其在covid‐19病例中的应用。IEEE Trans Instrum测量。2021;70:1‐10. [5] 陈杰、刘毅、丁芙、朱Q。用于具有非线性通信输出的ARX模型的基于梯度的粒子滤波算法。IEEE Trans-Syst Man-Cybern系统。2020;50(6):2198‐2207. [6] 哈迪德B、杜维埃拉E、勒科埃什。基于分段线性arx系统辨识的河流洪水预测数据驱动建模。J过程控制。2020;86:44‐56. [7] MauryaD、Tangirala A、NarasimhanS。基于广义谱分解的ARX模型辨识。eprint；2020年，arXiv:2008.04779。 [8] PetreczkyM，BakoL，LecoeucheS，等。离散时间切换自回归外生系统的极小性和可识别性。国际J鲁棒非线性控制。2020;30(15):5871‐5891. ·Zbl 1525.93042号 [9] HojjatiniaS、LagoaCM、DabbeneF。从大噪声数据集识别切换自回归外生系统。国际J鲁棒非线性控制。2020;30(15):5777‐5801. ·Zbl 1525.93040号 [10] TuQ、RongY、ChenJ。基于改进动量梯度下降算法的ARX模型参数识别。复杂性。2020;2020年（3）：1-11·Zbl 1441.93319号 [11] 阿瓦德。通过多级技术降低音频信号中的脉冲噪声。《Eng Sci-Technol Int J.2018》；22(2):629‐636. [12] 达伍德，达伍德，国民党。通过局部统计去除随机值脉冲噪声。多媒体工具应用程序。2015;74(24):11485‐11498. [13] 谢赫W，DjordjevicIB。用于光通信的OFDM。爱思唯尔；2010 [14] 汉斯。一类用于信息处理的最小Renyi误差熵算法。佛罗里达大学；2007 [15] 靖国。基于动量加速多误差随机信息梯度算法的ARMAX模型辨识。2021年IEEE第十届数据驱动控制和学习系统会议（DDCLS）；2021:1274‐1278; 中国苏州。 [16] 靖国。随机噪声下Hammerstein系统辨识的多误差随机梯度算法及其在连续搅拌釜反应器建模中的应用。光电控制应用方法。2021 [17] 原则JC。信息理论学习：Renyis熵和核心观点。施普林格；2010. ·Zbl 1206.94003号 [18] 霍塔尼亚·赫拉维阿。基于相关熵的新Levenberg‐Marquardt（clm）方法和不动点最大相关熵（fp‐mcc）算法的收敛速度比较。电路系统信号处理。2018;37(7):2884‐2910. ·Zbl 1411.94031号 [19] XuL，ChenL，XiongW。基于牛顿迭代的阶跃响应动态系统参数估计和控制器设计。非线性动力学。2015;79(3):2155‐2163. [20] 徐乐。基于正弦信号测量的动力系统阻尼迭代参数辨识方法。信号处理。2016;120:660‐667. [21] XuL、XingW、Alsadia、HayatT。基于动态窗口数据的频率响应的分层参数估计。国际J控制自动化系统。2018;16（4）：1756‐1764。 [22] 徐乐、宋刚。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 [23] 徐莉、朱Q。基于脉冲响应的传递函数动态系统递阶牛顿和最小二乘迭代估计算法。国际系统科学杂志。2019;50(1):141‐151. ·Zbl 1482.93661号 [24] 潘杰、江X、万X、丁W。多变量控制系统的基于滤波的多新息扩展随机梯度算法。国际J控制自动化系统。2017;15(3):1189‐1197. [25] 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. [26] MaH，PanJ，LvL，等。多变量类输出误差ARMA系统的递归算法。数学。2019;7(6):558. [27] 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. [28] 马赫、张X、刘Q。具有自回归滑动平均噪声的多变量类输出误差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. [29] 王勇杰。使用辅助模型对多输入多输出系统进行基于数据滤波的新型参数辨识。自动化。2016;71:308‐313. ·Zbl 1343.93087号 [30] LiMH、LiuXM。利用粒子滤波技术对一类双线性系统进行迭代辨识。国际J自适应控制信号处理。2021;35(11):2056‐2074. [31] 丁杰。具有双速率采样数据的线性SISO系统的分层最小二乘辨识。IEEE Trans Automat控制。2022;56（11）：2677‐2683·兹比尔1368.93744 [32] 刘玉杰。一种适用于一般双速率采样数据系统的高效分层识别方法。自动化。2014;50(3):962‐970. ·Zbl 1298.93227号 [33] 周玉华。一类多元混合模型的部分耦合非线性参数优化算法。应用数学计算。2022;414:126663. ·Zbl 1510.93338号 [34] 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. [35] 陈·丁芙。用输出误差法估计双速率随机系统的参数。IEEE Trans Automat控制。2005;50(9):1436‐1441. ·Zbl 1365.93480号 [36] 陈·丁芙。使用辅助模型对双速率系统的参数和输出进行组合估计。自动化。2004;40(10):1739‐1748. ·Zbl 1162.93376号 [37] ErdogmusD、HildKE、PrincipeJC。在线熵操纵：随机信息梯度。信号处理通知。2003;10(8):242‐245. [38] ChenBD，ZhuY，HuJC，等。实现最优自适应FIR滤波器的变步长SIG算法。国际J控制自动化系统。2011;9(6):1049‐1055. [39] 帕扎伊斯蒂，君士坦丁堡。一种新的峭度驱动的变步长自适应算法。IEEE传输信号处理。1999;47(3):864‐872. ·Zbl 1007.93073号 [40] HanS、RaoS、ErdogmusD等。具有自调整步长的最小误差熵准则（MEE‐SAS）。信号处理。2007;87(11):2733‐2745. ·Zbl 1186.94144号 [41] 帕尔泽内。关于概率密度函数和模式的估计。Ann Math Stat.1962年；33（3）：1065‐1076·Zbl 0116.11302号 [42] BismorD、CzyzK、OgonowskiZ。回顾和比较可变步长LMS算法。国际会计期刊。2016;21(1):24‐39. [43] 海金斯。自适应滤波理论。培生教育有限公司；2014 [44] 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 [45] 丁芙、刘毅、鲍勃。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. [46] 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):971‐987. ·Zbl 1525.93438号 [47] 张X、刘Q。通过冗余规则递归辨识双线性时滞系统。《富兰克林研究所杂志》2020；357(1):726‐747. ·Zbl 1429.93401号 [48] 张X，杨娥。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。国际J自适应控制信号处理。2019;33(7):1157‐1173. ·Zbl 1425.93278号 [49] JiY、KangZ、ZhangC。利用数据滤波对非线性模型进行基于两阶段梯度的递推估计。国际控制自动化系统。2021;19(8):2706‐2715. [50] 徐升、盛杰。系统非线性动态响应的可分离多新息随机梯度估计算法。Int J自适应控制信号处理。2020;34（7）：937‐954·兹比尔1469.93111 [51] 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. [52] 张X。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 [53] LiM，LiuX。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. [54] LiM，LiuX。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. [55] XuL、ChenF。基于离散测量数据的多频信号递阶递归信号建模。国际J自适应控制信号处理。2021;35(5):676‐693. [56] 张X。双线性系统的分层参数和状态估计。国际系统科学杂志。2020;51(2):275‐290. ·Zbl 1483.93677号 [57] 丁芙、张欣、卢欣。观测数据中带有色噪声的多输入多输出随机系统的分层扩展最小二乘估计方法。《富兰克林研究所杂志》2020；357(15):11094‐11110. ·Zbl 1450.93022号 [58] LiM，LiuX。利用数据滤波技术对一类双线性系统进行基于最大似然最小二乘的迭代估计。国际J控制自动化系统。2020;18(6):1581‐1592. [59] FanY，LiuX。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. ·兹比尔1465.93041 [60] 刘X，范Y。具有可变增益非线性的输入非线性控制自回归移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 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。