×
王东青;丁，冯

维纳非线性系统的基于最小二乘和基于梯度的迭代辨识。 （英语） Zbl 1219.94052号

信号处理。 91，第5期，1182-1189（2011）.
摘要：本文推导了维纳非线性系统的基于最小二乘和基于梯度的迭代辨识算法。这些方法将一个双线性成本函数分离为两个线性成本函数，直接估计Wiener系统的参数，无需重新参数化以生成冗余估计。仿真结果验证了所提两种算法的有效性，基于最小二乘的迭代算法比基于梯度的迭代算法具有更快的收敛速度。

引用于83文件

MSC公司：

94甲12 信号理论（表征、重建、滤波等）
93B30型 系统标识

关键词：

信号处理;最小二乘法;参数估计;迭代辨识;递归识别;随机梯度;维纳非线性模型;Hammerstein非线性模型
PDF格式BibTeX公司 XML格式引用
\textit{D.Wang}和\textit{F.Ding}，信号处理。91，第5号，1182--1189（2011；Zbl 1219.94052）
全文： 内政部

参考文献：

[1] 丁·F。；Chen，T.：Hammerstein非线性ARMAX系统的识别，Automatica 41，No.9，1479-1489（2005）·Zbl 1086.93063号 ·doi:10.1016/j.automatica.2005.03.026
[2] 丁·F。；Shi，Y。；Chen，T.：基于辅助模型的Hammerstein输出误差系统最小二乘辨识方法，系统控制信函56，第5号，373-380（2007）·Zbl 1130.93055号 ·doi:10.1016/j.sysconle.2006.10月26日
[3] 哦，I.J。；Ogunfunmi，T.：基于仿射投影的非线性Hammerstein系统辨识算法，《信号处理》90，第6期，2020-2030（2010）·Zbl 1197.94133号 ·doi:10.1016/j.sigpro.2010.01.004
[4] 王德庆。；Chu，Y.Y。；Ding，F.：用于Hammerstein OEMA系统的基于辅助模型的RELS和MI-ELS算法，《计算机数学与应用》59，第9期，3092-3098（2010）·Zbl 1193.93170号 ·doi:10.1016/j.camwa.2010.02.030
[5] 王德庆。；Chu，Y.Y。；Yang，G.W。；Ding，F.：Hammerstein OEAR系统基于辅助模型的递归广义最小二乘参数估计，数学和计算机建模52，第1-2期，309-317（2010）·Zbl 1201.93134号 ·doi:10.1016/j.mcm.2010.03.002
[6] Vörös，J.：具有两段非线性的Wiener系统的建模和识别，IEEE控制系统技术事务11，第2期，253-257（2003）
[7] Vörös，J.：具有多段分段线性非线性的Wiener系统的参数识别，系统控制信函56，第2期，99-105（2007）·Zbl 1112.93019号 ·doi:10.1016/j.sysconle.2006.08.001
[8] 洛杉矶阿吉雷。；科埃略，M.C.S。；Corría，M.V.：关于Hammerstein和Wiener模型之间动态差异的解释和实践，IEE控制理论和应用研究152，No.4，349-356（2005）
[9] 胡晓乐。；Chen，H.F.：Wiener系统递归辨识的强一致性，Automatica 41，No.11905-1916（2005）·Zbl 1087.93057号 ·doi:10.1016/j.automatica.2005.06.006
[10] 科泽克，M。；Sinanović，S.：使用最优局部线性模型识别维纳模型，仿真建模实践和理论16，第8期，1055-1066（2008）
[11] Figueroa，J.L。；比亚吉奥拉，S.I。；Agamennoni，O.E.：不确定Wiener系统的识别方法，数学和计算机建模48，第1–2期，305-315（2008）·Zbl 1145.93432号 ·doi:10.1016/j.mcm.2007.09.012
[12] 哈根布拉德，A。；Ljung，L。；Wills，A.：Wiener模型的最大似然识别，Automatica 44，No.11，2697-2705（2008）·Zbl 1152.93508号 ·doi:10.1016/j.automatica.2008.02.016
[13] 丁·F。；刘，P.X。；Liu，G.：OE和OEMA系统基于梯度和最小二乘的迭代识别方法，数字信号处理20，第3期，664-677（2010）
[14] 刘义杰。；王德庆。；Ding，F.：用有限测量数据识别box-Jenkins模型的基于最小二乘法的迭代算法，数字信号处理20，第5期，1458-1467（2010）
[15] 王德庆。；Yang，G.W。；Ding，R.F.：基于梯度的box-Jenkins系统迭代参数估计，《计算机数学与应用》60，第5期，1200-1208（2010）·Zbl 1201.94046号 ·doi:10.1016/j.camwa.2010.06.001
[16] Kapetanios，G.：关于ARMA和VARMA模型的迭代最小二乘估计方法的注释，《经济学通讯》79，第3期，305-312（2003）·Zbl 1255.62254号
[17] Bai，E.W。；Liu，Y.：双线性方程的最小二乘解，系统控制字母55，No.6，466-472（2006）·Zbl 1129.65310号
[18] 丁·F。；Chen，T.：《基于梯度的多变量离散时间系统的分层辨识》，Automatica 41，No.2，315-325（2005）·Zbl 1073.93012号 ·doi:10.1016/j.automatica.2004.10.010
[19] 丁·F。；Chen，T.：多变量系统的分层最小二乘辨识方法，IEEE自动控制事务50，第3期，397-402（2005）·Zbl 1365.93551号
[20] 丁·F。；Chen，T.：一般双状态系统提升状态空间模型的层次识别，电路和系统的IEEE事务–I：常规论文52，第6期，1179-1187（2005）·Zbl 1374.93342号
[21] D.Q.Wang，Y.Y.Chu，F.Ding，基于最小二乘和梯度迭代的Wiener非线性系统辨识方法，载于：第48届IEEE决策与控制会议和第28届中国控制会议，2009年12月16-18日，中国上海，第3632-3636页。
[22] 丁·F。；Chen，T.：《多创新梯度类型识别方法的性能分析》，Automatica 43，No.1，1-14（2007）·Zbl 1140.93488号 ·doi:10.1016/j.automatica.2006.07.024
[23] 丁凤：《几种多创新识别方法》，《数字信号处理》20，第4期，1027-1039（2010）
[24] 王德庆。；丁凤：《输出误差系统基于辅助模型的多创新随机梯度估计算法的性能分析》，《数字信号处理》20，第3期，750-762（2010）
[25] 丁·F。；刘，P.X。；Liu，G.：有色测量噪声下基于辅助模型的多新息扩展随机梯度参数估计，《信号处理》89，第10期，1883-1890（2009）·Zbl 1178.94137号 ·doi:10.1016/j.sigpro.2009.03.020
[26] Han，L.L。；Ding，F.：多输入多输出系统的多创新随机梯度算法，数字信号处理19，第4期，545-554（2009）
[27] 张，J.B。；丁·F。；Shi，Y.：基于多创新随机梯度参数估计的自校正控制，《系统控制信函》58，第1期，69-75（2009）·Zbl 1154.93040号 ·doi:10.1016/j.sysconle2008.08.005
[28] 丁·F。；刘，P.X。；Liu，G.：线性和伪线性回归模型的多创新最小二乘辨识，IEEE系统、人和控制论事务，B部分：控制论40，第3期，767-778（2010）
[29] 谢林。；刘义杰。；杨海珍。；Ding，F.：非均匀周期采样数据系统的建模与识别，IET控制理论应用4，第5期，784-794（2010）
[30] Bai，E.W.：Hammerstein–Wiener非线性系统的最优两阶段辨识算法，Automatica 34，No.3，333-338（1998）·Zbl 0915.93018号 ·doi:10.1016/S0005-1098（97）00198-2
[31] 王德庆。；Ding，F.：Hammerstein–Wiener ARMXA系统的扩展随机梯度识别算法，计算机和数学及其应用56，第12期，3157-3164（2008）·Zbl 1165.65308号 ·doi:10.1016/j.camwa.2008.07.015
[32] 刘，Y。；Bai，E.W.：Hammerstein系统的迭代识别，Automatica 43，No.2，346-354（2007）·Zbl 1111.93013号
[33] 塞隆，V。；Regruto，D.：输出误差有界的离散Hammerstein模型的参数界，IEEE自动控制事务48，第10期，1855-1860（2003）·Zbl 1364.93417号
[34] 丁·F。；丁，J.：《不规则缺失数据的最小二乘参数估计》，《国际自适应控制与信号处理杂志》24，第7期，540-553（2010）·Zbl 1200.93130号 ·doi:10.1002/acs.1141
[35] 丁·F。；邱，L。；Chen，T.：从非均匀采样离散时间系统重建连续时间系统，Automatica 45，No.2，324-332（2009）·Zbl 1158.93365号 ·doi:10.1016/j.automatica.2008.007
[36] 丁·F。；刘，G。；Liu，X.P.：非均匀采样系统的部分耦合随机梯度识别方法，IEEE自动控制事务55，第8期，1976-1981（2010）·Zbl 1368.93121号
[37] 刘义杰。；谢林。；Ding，F.：非均匀采样多速率系统基于辅助模型的递归最小二乘参数估计算法，机械工程师学会学报，第一部分：系统与控制工程杂志223，第4期，445-454（2009）
[38] 丁·F。；刘，P.X。；Yang，H.Z.：双状态系统的参数识别和样本间输出估计，IEEE系统、人和控制论事务，A部分：系统和人38，第4期，966-975（2008）
[39] 丁，J。；Shi，Y。；Wang，H.G。；Ding，F.：一种改进的基于随机梯度的双速率采样数据系统参数估计算法，数字信号处理20，第4期，1238-1249（2010）
[40] 王德庆。；Ding，F.：基于输入输出数据滤波的CARARMA系统递归最小二乘辨识，数字信号处理20，第4期，991-999（2010）
[41] F.Ding，P.X.Liu，G.Liu，Hammerstein非线性系统的识别方法，数字信号处理21（2）（2011），doi:10.1016/j.dsp.2010.06.006
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。