非线性 LFR 状态空间模型的推理与学习

Merijn Floren; Jean-Philippe Noël; Jan Swevers

doi:10.1109/LCSYS.2025.3580354

非线性 LFR 状态空间模型的推理与学习

系统与控制 2025-07-08 v3 系统与控制

作者: Merijn Floren , Jean-Philippe Noël , Jan Swevers

在 arXiv 上查看 ↗ PDF ↗ DOI ↗

摘要

从输入-输出数据估计非线性块式状态空间模型的参数通常涉及高度非凸的优化问题，容易陷入差良小局部极小值并收敛缓慢。本文提出一种基于周期数据的数值高效初始化方法，用于非线性线性分数表示 (NL-LFR) 模型。该方法首先推断潜在信号，然后估计模型参数，从而生成用于后续非线性优化步骤的初始估计。该方法对差良小局部极小值的鲁棒性强，与基准数据集上的现有方法相比实现了约两倍的误差降低。

关键词

状态空间模型非线性系统 LFR 模型参数估计系统识别

引用

@article{arxiv.2503.14409,
  title  = {Inference and Learning of Nonlinear LFR State-Space Models},
  author = {Merijn Floren and Jean-Philippe Noël and Jan Swevers},
  journal= {arXiv preprint arXiv:2503.14409},
  year   = {2025}
}

备注

Code is available at: https://github.com/merijnfloren/freq-statespace ; final, published paper in IEEE Xplore: https://ieeexplore.ieee.org/abstract/document/11037476/

非线性 LFR 状态空间模型的推理与学习

摘要

关键词

引用

备注

相关论文