卷积稀疏编码动态模式分解及其在河流状态估计中的应用
信号处理
2019-02-21 v2 动力系统
摘要
本文通过统一扩展动态模式分解（EDMD）与卷积稀疏编码，提出卷积稀疏编码动态模式分解（CSC-DMD）。EDMD 是一种用线性时间演化方程描述非线性动力系统的数据驱动分析方法。与现有 EDMD 方法相比，CSC-DMD 具有反映目标空间结构的优势。作为一个例子，所提方法被应用于根据水面观测估计河床形状。该估计问题被化简为带硬约束的稀疏感知复原，该硬约束由 CSC-DMD 预测给出，其中算法由原始-对偶分裂方法导出。使用通过实验性河流装置测得的水面与河床形状时间序列集来训练和测试系统。结果验证了所提方法的重要性。
引用
@article{arxiv.1811.07281,
title = {Convolutional-Sparse-Coded Dynamic Mode Decomposition and Its Application to River State Estimation},
author = {Yuhei Kaneko and Shogo Muramatsu and Hiroyasu Yasuda and Kiyoshi Hayasaka and Yu Otake and Shunsuke Ono and Masahiro Yukawa},
journal= {arXiv preprint arXiv:1811.07281},
year = {2019}
}
备注
To appear at IEEE ICASSP 2019