基于稀疏恢复的全观测线性时变系统盲辨识
系统与控制
2018-05-23 v2 动力系统
最优化与控制
摘要
离散时间线性时变（LTV）系统构成了一类强有力的模型，可用于逼近具有非线性动力学的复杂动力系统，以进行分析、设计与控制。受乳腺癌研究中时空动力学推断的启发，我们提出一种方法，用于高效求解一类特定离散时间 LTV 系统的辨识问题，其中状态被完全观测且无法获知系统输入。此外，假设我们不知道输入作用于哪些状态，其作用状态可随时间步改变，且输入在全部状态与全部时间上的总数是稀疏的。该问题被表述为一个压缩感知问题，其考虑了测量噪声的影响并具有部分稀疏支撑的解。我们推导了系统模型与输入值唯一恢复的充分条件，并由此得到关于实验次数与系统输出秩条件的实用条件。合成实验分析了该方法对随机生成模型噪声的敏感性。
引用
@article{arxiv.1712.10095,
title = {Blind Identification of Fully Observed Linear Time-Varying Systems via Sparse Recovery},
author = {Roel Dobbe and Stephan Liu and Ye Yuan and Claire Tomlin},
journal= {arXiv preprint arXiv:1712.10095},
year = {2018}
}
备注
Under review with Automatica