文献

J-GLOBAL ID：201102271119151868   整理番号：11A0928816

バイアス補償再帰的最小二乗法に基づくHammerstein-Wienerモデルの識別

Identification of Hammerstein-Wiener Models Based on Bias Compensation Recursive Least Squares

著者 (5件)： LI Yan (School of Information Sci. and Engineering, Northeastern Univ., Liaoning, Shenyang) ,  MAO Zhi-Zhong (School of Information Sci. and Engineering, Northeastern Univ., Liaoning, Shenyang) ,  WANG Yan (Liaoyang Municipal Dev. and Reform Commission, Liaoning, Liaoyang) ,  YUAN Ping (School of Information Sci. and Engineering, Northeastern Univ., Liaoning, Shenyang) ,  JIA Ming-Xing (School of Information Sci. and Engineering, Northeastern Univ., Liaoning, Shenyang)
資料名： Zidonghua Xuebao  (Zidonghua Xuebao)
巻： 36  号： 1  ページ： 163-168  発行年： 2010年 
JST資料番号： C2134A  ISSN： 0254-4156  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 多くの実体システムをHammerstein-Wienerモデルによって提示することができ,そこで,線形動的システムをその入出力のときに2つの静的非線形性で取り囲んだ。プロセス雑音によってHammerstein-Wienerモデルを識別するため,改良型オンライン二段階認識アルゴリズム提案をした。第一に,バイアス補償再帰的最小二乗法を採用して,当初のシステムパラメータの製品を含むパラメータベクトルを識別した。補正条件を再帰的最小二乗法推定に導入することによって,推定バイアスを補償した。第二に,テンソル積方式に基づく特異値分解方式を採用して各々のパラメータ値を当初のシステムから切り離した。2つのマトリックスのテンソル積を導入することによってパラメータ分離の精度を改良し,加重最小自乗の重み系数に接近した。理論的解析と計算機シミュレーションによって,提案したアルゴリズムの有効性を検証した。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *最小二乗法 ,  *バイアス ,  モデル ,  計算機シミュレーション ,  パラメータ ,  計算機アルゴリズム ,  動的系 ,  行列 ,  状態 ,  特異値分解 ,  テンソル積
準シソーラス用語： システムパラメータ ,  認識アルゴリズム ,  動的システム ,  マトリックス【行列】 ,  オンライン ,  最小自乗

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (5件)： バイアス ,  補償 ,  再帰的最小二乗法 ,  Wienerモデル ,  識別