未知入力を持つ線形Gaussシステムの雑音共分散は自己共分散最小二乗を用いた独自に同定できない【JST・京大機械翻訳】

Kong He; Sukkarieh Salah; Arnold Travis J.; Chen Tianshi; Zheng Wei Xing

プレプリント

J-GLOBAL ID：202202212900576449 整理番号：22P0287575

未知入力を持つ線形Gaussシステムの雑音共分散は自己共分散最小二乗を用いた独自に同定できない【JST・京大機械翻訳】

The Noise Covariances of Linear Gaussian Systems with Unknown Inputs Are Not Uniquely Identifiable Using Autocovariance Least-squares

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年02月10日プレプリントサーバーでの情報更新日： 2022年02月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

任意の未知入力を有する線形Gaussシステムのための最適フィルタリングにおける既存の研究は,フィルタ設計における雑音共分散の完全な知識を仮定する。これは非現実的であり,どのような条件下でも任意の未知の入力で線形Gauss系の雑音共分散を同定できるかどうかの疑問を提起する。本論文では,相関ベース自己共分散最小二乗(ALS)アプローチを用いた上記の識別可能性問題を考察した。特に,ALSフレームワークでは,(i)プロセス雑音共分散Qと測定雑音共分散Rは一意的に同定できないことを証明した。(ii)QもRも,他が知られている場合,一意的に同定できない。これは,未知の入力の下で既存のフィルタリングフレームワーク(それらのほとんど全てはノイズ共分散の完全な知識を必要とする)の適応性のより良い理解を持つだけでなく,未知の入力の下で代替的でより実行可能なノイズ共分散法のさらなる調査を要求する。特に,雑音共分散が,他の相関ベース法を用いて一意的に同定できるかどうかは調査されていない。また,未知入力の下での雑音共分散推定のための正則化の使用に興味があり,共分散推定に対する関連特性保証を検討した。上記のトピックスは,著者らの現在と将来の研究の主な主題である。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

システム同定 , 信号理論

, , , , , ,

前のページに戻る