利用改进动态迭代PCA辨识误差变量ARX模型
系统与控制
2020-12-01 v1 机器学习
系统与控制
摘要
带外生输入的自回归（ARX）模型辨识是系统辨识中的经典问题。本文考虑误差变量（EIV）ARX模型辨识问题，其中输入测量同样被噪声污染。近期提出的 DIPCA 技术解决了 EIV 辨识问题，但仅适用于白测量误差。我们提出一种基于改进动态迭代主成分分析（DIPCA）的新颖辨识算法，用于单输入单输出（SISO）系统的 EIV-ARX 模型辨识，其中输出测量被与 ARX 模型一致的彩色噪声污染。大多数现有方法假定输入-输出阶数、延迟或噪声方差等重要参数为已知。本工作的新颖性在于联合估计误差方差、过程阶数、延迟与模型参数。以理论严格方式获取所有这些参数的核心思想在于，利用由估计误差方差与模型参数获得的适当误差协方差矩阵对滞后测量进行变换。给出了两个系统的仿真研究以证明所提算法的有效性。
引用
@article{arxiv.2011.14645,
title = {Identification of Errors-in-Variables ARX Models Using Modified Dynamic Iterative PCA},
author = {Deepak Maurya and Arun K. Tangirala and Shankar Narasimhan},
journal= {arXiv preprint arXiv:2011.14645},
year = {2020}
}
备注
10 pages