返回
Recursive Identification Based on Local Likelihood Function With Binary-Valued Observations
DOI:10.1109/TAC.2025.3649296.png)
摘要
En 中文
本文研究了有限脉冲响应系统的面向控制的递推辨识问题,观测值为二元取值。受最大似然法的启发,提出了一种基于系统噪声和观测统计特性的新型递推算法。与现有研究不同,所提算法的梯度由局部似然函数推导得到,此前尚未被考虑。该算法的核心优势在于递推权重项的自适应,特别是在估计值偏离真实值较远时具有加速效果。此外,与基于时变阈值的现有算法相比,所提算法通过加权使其适用于固定阈值场景,从而避免了时变阈值带来的复杂性。证明了所提算法在几乎必然和均方意义下均收敛,并在一定条件下获得了几乎必然和均方收敛速率。通过两个仿真验证了所提算法的有效性,并展示了其收敛速率优于现有算法的优势。
Keyword:
Binary-valued observations
likelihood function
stochastic approximation
system identification
期刊
IF:
7
论文数:
1.3W
被引数:
6.7W
机构
引用论文
A Probabilistically Quantized Learning Control Framework for Networked Linear Systems网络化线性系统的概率量化学习控制框架
Almost sure convergence rates for system identification using binary, quantized, and regular sensors
AUTOMATICA
IF5.9

