Uogólnione filtry Savitzky'ego-Golaya dla potrzeb identyfikacji i wygładzania procesów niestacjonarnych - Projekt - MOST Wiedzy

Wyszukiwarka

Uogólnione filtry Savitzky'ego-Golaya dla potrzeb identyfikacji i wygładzania procesów niestacjonarnych

Identyfikacja procesów jest dziedziną zajmującą się tworzeniem matematycznych modeli zjawisk (obiektów lub sygnałów) w oparciu o dane doświadczalne. Ostatnie trzy dekady przyniosły wiele interesujących a zarazem niebanalnych zastosowań identyfikacji procesów niestacjonarnych, tj. procesów o zmieniających się w czasie charakterystykach, w takich dziedzinach jak telekomunikacja, obróbka sygnałów i automatyka. Celem projektu jest opis i analiza nowej klasy algorytmów identyfikacji, łączących podejście wykorzystujące funkcje bazowe z elementami estymacji lokalnej. Inaczej niż to ma miejsce w przypadku klasycznego podejścia opartego na funkcjach bazowych, dokonującego przedziałowej oceny trajektorii parametrów, proponowane estymatory traktowane są jako źródło ocen punktowych, odpowiadających kolejnym chwilom czasu. Oznacza to, że estymacja musi być dokonywana oddzielnie w każdej chwili czasu t w oparciu o dane pochodzące z lokalnego przedziału analizy o środku w punkcie t. Nieprzyczynowe estymatory, takie jak opisany powyżej (oszacowania parametrów wyznaczane są z wykorzystaniem zarówno ``przeszłych'' jak ``przyszłych'' danych), pozwalają na istotne zmniejszenie systematycznych błędów modelowania co gwarantuje lepszą, niż w przypadku użycia ``porównywalnych'' estymatorów przyczynowych, dokładność otrzymywanych Proponowane rozwiązanie jest pierwszym ujednoliconym podejściem łączącym metodę funkcji bazowych z metodą estymacji lokalnej, opracowanym dla dowolnych baz funkcyjnych i dowolnych ciągów ważących. Planowane jest, w oparciu o wyniki analizy teoretycznej, rozwiązanie najistotniejszych problemów związanych z implementacją proponowanych algorytmów, takich jak racjonalny wybór bazy oraz kształtu stosowanego okna, adaptacyjny wybór szerokości okna oraz liczby funkcji bazowych, a także istotne ograniczenie złożoności obliczeniowej proponowanego podejścia bez pogorszenia dokładności otrzymywanych modeli. Wyniki projektu powinny być interesujące, zarówno z teoretycznego jak praktycznego punktu widzenia, dla wszystkich badaczy zajmujących się identyfikacją obiektów i sygnałów niestacjonarnych oraz jej zastosowaniami.

Informacje szczegółowe

Akronim projektu:
LBF
Program finansujący:
OPUS
Instytucja:
Narodowe Centrum Nauki (NCN) (National Science Centre)
Porozumienie:
UMO-2018/29/B/ST7/00325 z dnia 2019-01-24
Okres realizacji:
2019-01-24 - 2022-01-23
Kierownik projektu:
prof. dr hab. inż. Maciej Niedźwiecki
Członkowie zespołu:
Realizowany w:
Wydział Elektroniki, Telekomunikacji i Informatyki
Wartość projektu:
500 000.00 PLN
Typ zgłoszenia:
Krajowy Program Badawczy
Pochodzenie:
Projekt krajowy
Weryfikacja:
Politechnika Gdańska

Filtry

wszystkich: 14

  • Kategoria

  • Rok

  • Opcje

wyczyść Filtry wybranego katalogu niedostępne

Katalog Projektów

Rok 2020

Rok 2022

  • Adaptive identification of sparse underwater acoustic channels with a mix of static and time-varying parameters
    Publikacja

    - SIGNAL PROCESSING - Rok 2022

    We consider identification of sparse linear systems with a mix of static and time-varying parameters. Such systems are typical in underwater acoustics (UWA), for instance, in applications requiring identi- fication of the acoustic channel, such as UWA communications, navigation and continuous-wave sonar. The recently proposed fast local basis function (fLBF) algorithm provides high performance when identi- fying time-varying systems....

    Pełny tekst do pobrania w portalu

  • Adaptive Identification of Underwater Acoustic Channel with a Mix of Static and Time-Varying Parameters
    Publikacja

    - Rok 2022

    We consider the problem of identification of communication channels with a mix of static and time-varying parameters. Such scenarios are typical, among others, in underwater acoustics. In this paper, we further develop adaptive algorithms built on the local basis function (LBF) principle resulting in excellent performance when identifying time-varying systems. The main drawback of an LBF algorithm is its high complexity. The subsequently...

    Pełny tekst do pobrania w serwisie zewnętrznym

  • Finite-window RLS algorithms
    Publikacja

    - SIGNAL PROCESSING - Rok 2022

    Two recursive least-squares (RLS) adaptive filtering algorithms are most often used in practice, the exponential and sliding (rectangular) window RLS algorithms. This popularity is mainly due to existence of low-complexity versions of these algorithms. However, these two windows are not always the best choice for identification of fast time-varying systems, when the identification performance is most important. In this paper, we...

    Pełny tekst do pobrania w portalu

  • Optimally regularized local basis function approach to identification of time-varying systems
    Publikacja

    Accurate identification of stochastic systems with fast-varying parameters is a challenging task which cannot be accomplished using model-free estimation methods, such as weighted least squares, which assume only that system coefficients can be regarded as locally constant. The current state of the art solutions are based on the assumption that system parameters can be locally approximated by a linear combination of appropriately...

    Pełny tekst do pobrania w serwisie zewnętrznym

Rok 2021

Rok 2019

  • Fast Basis Function Estimators for Identification of Nonstationary Stochastic Processes
    Publikacja

    The problem of identification of a linear nonsta-tionary stochastic process is considered and solved using theapproach based on functional series approximation of time-varying parameter trajectories. The proposed fast basis func-tion estimators are computationally attractive and yield resultsthat are better than those provided by the local least squaresalgorithms. It is shown that two...

    Pełny tekst do pobrania w serwisie zewnętrznym

  • Fully Adaptive Savitzky-Golay Type Smoothers
    Publikacja

    The problem of adaptive signal smoothing is consid-ered and solved using the weighted basis function approach. Inthe special case of polynomial basis and uniform weighting theproposed method reduces down to the celebrated Savitzky-Golaysmoother. Data adaptiveness is achieved via parallel estimation.It is shown that for the polynomial and harmonic bases andcosinusoidal weighting sequences, the competing signal estimatescan be computed...

    Pełny tekst do pobrania w portalu

wyświetlono 1042 razy