Optimal and suboptimal algorithms for identification of time-varying systems with randomly drifting parameters - Publikacja - MOST Wiedzy

Wyszukiwarka

Optimal and suboptimal algorithms for identification of time-varying systems with randomly drifting parameters

Abstrakt

Noncausal estimation algorithms, which involve smoothing, can be used for off-line identification of nonstationary systems. Since smoothingis based on both past and future data, it offers increased accuracy compared to causal (tracking) estimation schemes, incorporating past data only. It is shown that efficient smoothing variants of the popular exponentially weighted least squares and Kalman filter-based parameter trackers can be obtained by means of backward-time filtering of the estimates yielded by both algorithms.When system parameters drift according to the random walk model and the adaptation gain is sufficiently small, the properly tuned two-stage Kalman filtering/smoothing algorithm, derived in the paper, achieves the Cram´er-Rao type lower smoothing bound, i.e. it is the optimal noncausal estimation scheme. Under the same circumstances performance of the modified exponentially weighted least-squares algorithm is often only slightly inferior to that of the Kalman filter-based smoother.

Cytuj jako

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Publikacja w czasopiśmie
Typ:
artykuł w czasopiśmie z listy filadelfijskiej
Opublikowano w:
AUTOMATICA nr 44, strony 1718 - 1727,
ISSN: 0005-1098
Język:
angielski
Rok wydania:
2008
Opis bibliograficzny:
Niedźwiecki M.: Optimal and suboptimal algorithms for identification of time-varying systems with randomly drifting parameters// AUTOMATICA. -Vol. 44., nr. nr 7 (2008), s.1718-1727
Weryfikacja:
Politechnika Gdańska

wyświetlono 109 razy

Publikacje, które mogą cię zainteresować

Meta Tagi