基于异常值稀疏约束的动态过程双重鲁棒平滑
系统与控制
2018-11-29 v1 最优化与控制
应用统计
摘要
应对污染动态过程的异常值在各种应用中至关重要，因为与标称模型的不匹配在实践中并不少见。在此背景下，本文提出了新颖的固定滞后和固定区间平滑算法，这些算法对同时存在于测量值和状态动态中的异常值具有鲁棒性。异常值通过辅助未知变量处理，这些变量与状态一起基于最小二乘准则进行联合估计，并用异常值的 范数进行正则化以实现稀疏控制。由此产生的迭代估计器依赖于坐标下降法和交替方向乘子法，每次迭代均以闭合形式表示，且可证明收敛。这种新颖的双重鲁棒平滑器还具有以下吸引人的特性：i) 能够处理两种类型的异常值；ii) 对未知的标称噪声和异常值分布具有普适性；iii) 灵活性，可涵盖在标称条件下具有可靠性能的最大后验最优估计器；iv) 在复杂度相当的情况下，与竞争性替代方案相比性能有所提升，这一点已通过模拟测试得到证实。
引用
@article{arxiv.1104.5286,
title = {Doubly Robust Smoothing of Dynamical Processes via Outlier Sparsity Constraints},
author = {Shahrokh Farahmand and Georgios B. Giannakis and Daniele Angelosante},
journal= {arXiv preprint arXiv:1104.5286},
year = {2018}
}
备注
Submitted to IEEE Trans. on Signal Processing