Data-Driven End-to-End State Estimation Algorithm Based on Subspace Identification

Yajing Cheng

doi:10.1016/j.dsp.2025.105554

Data-Driven End-to-End State Estimation Algorithm Based on Subspace Identification

2025-09-01

0

PRE

AI

DOI：10.1016/j.dsp.2025.105554

原文链接

摘要

En 中文

• 提出了一种新颖的数据驱动、端到端的状态估计框架，适用于高维MIMO线性系统。该方法无需先验系统知识，仅依赖输入-输出（I/O）数据，特别适用于黑箱系统辨识与状态估计。 • 提出了SI_BSE估计算法，这是一种无需系统阶次或参数信息的黑箱系统状态估计方法。该方法仅需使用I/O数据即可实现离线状态估计，无需噪声分布知识或其他系统特定假设。 • 基于SI_BSE提出了一种递归迭代脉冲响应状态估计算法，使其适用于在线递归估计。该算法能够处理时变系统，且在数据有限时仍能高效运行，使其成为动态环境中实时状态估计的通用工具。

Keyword:

data-driven

state estimation

MIMO systems

black-box identification

recursive algorithms

Data-Driven End-to-End State Estimation Algorithm Based on Subspace Identification

摘要

期刊

机构

引用论文