连续时间系统在线实验设计：基于广义滤波
计算机视觉与模式识别
2026-04-02 v2
摘要
实验设计的目标是选择动力系统的输入，以便生成的数据包含足够的信息用于系统识别和数据驱动控制。本文针对分段常数输入信号的连续时间系统实验设计问题进行了研究。为消除对(data)轨迹时间导数进行测量的需求，我们引入了广义滤波框架。我们的主要结果是在输入和滤波函数满足一定条件的情况下，滤波后的数据对系统识别具有信息性，即它们满足一定的秩条件。我们假设滤波函数为分段连续可导，这涵盖了文献中出现的几种滤波函数。基于所提出的滤波框架，我们开发了一个实验设计程序，类似于针对离散时间系统的实验设计结果，其中分段常数输入信号将在系统运行期间在线设计。该方法表现出样本高效，即它处理的滤波数据样本数最少，用于系统识别。
引用
@article{arxiv.2511.09388,
title = {Learning by Neighbor-Aware Semantics, Deciding by Open-form Flows: Towards Robust Zero-Shot Skeleton Action Recognition},
author = {Yang Chen and Miaoge Li and Zhijie Rao and Deze Zeng and Song Guo and Jingcai Guo},
journal= {arXiv preprint arXiv:2511.09388},
year = {2026}
}
备注
Accepted by CVPR 2026 Findings; Project Code: https://github.com/cseeyangchen/Flora