状态空间双线性系统的极大似然辨识

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (10): 110-112.

• 数据库、信号与信息处理 • 上一篇下一篇

状态空间双线性系统的极大似然辨识

衷路生1，2，樊晓平1，杨辉2，瞿志华1，齐叶鹏2，颜争2

1.中南大学信息科学与工程学院，长沙 410083
2.华东交通大学电气与电子工程学院，南昌 310033

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-04-01 发布日期:2011-04-01

Maximum-likelihood identification of state-space bilinear systems

ZHONG Lusheng1，2，FAN Xiaoping1，YANG Hui2，Qu Zhihua1，QI Yepeng2，YAN Zheng2

1.College of Information Science and Engineering，Central South University，Changsha 410083，China
2.School of Electrical and Electronic Engineering，East China Jiaotong University，Nanchang 330013，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-04-01 Published:2011-04-01

摘要/Abstract

摘要： 提出了状态空间双线性系统的极大似然辨识方法。得到了以输入-输出序列为条件概率的似然函数解析表达式，推导了极大化似然函数的参数矩阵计算公式，给出适用于双线性系统状态估计的改进卡尔曼滤波方法，以及辨识系统参数的迭代估计算法。最后进行了数值仿真，结果说明了该方法的有效性。

关键词: 系统辨识, 极大似然, 双线性系统, 状态空间模型

Abstract: Maximum likelihood identification is proposed for parameter estimation of state-space bilinear systems.The likelihood function conditioned on input-output series is constructed.Moreover，the parameter matrix is determined by the maximization of the likelihood function，and the modified Kalman filter suitable for state estimation of bilinear systems is presented.In addition，iterative parameter estimation algorithm for maximization of likelihood function is also given.Finally，numerical simulation is implemented and the results show the effectiveness of the proposed method.

Key words: system identification, maximum likelihood, bilinear system, state-space model.

衷路生1，2，樊晓平1，杨辉2，瞿志华1，齐叶鹏2，颜争2. 状态空间双线性系统的极大似然辨识[J]. 计算机工程与应用, 2011, 47(10): 110-112.

ZHONG Lusheng1，2，FAN Xiaoping1，YANG Hui2，Qu Zhihua1，QI Yepeng2，YAN Zheng2. Maximum-likelihood identification of state-space bilinear systems[J]. Computer Engineering and Applications, 2011, 47(10): 110-112.

[1]	蒋梦梦，周杰. 基于高维状态空间方法构建金融市场网络模型[J]. 计算机工程与应用, 2019, 55(10): 53-60.
[2]	宋海声，朱长驹，杨鸿武，吴佳欣. Grid-Scan定位算法的虚拟锚节点策略改进[J]. 计算机工程与应用, 2017, 53(16): 84-88.
[3]	耿宏，任道先，杜鹏. 基于NARX神经网络航空发动机参数动态辨识模型[J]. 计算机工程与应用, 2017, 53(12): 241-248.
[4]	史华洁，薛颂东. 退化数据驱动的设备剩余寿命在线预测[J]. 计算机工程与应用, 2016, 52(23): 249-254.
[5]	李慧1，2，陈灿1. 一种多变量系统辨识法及其在蒸发过程的应用[J]. 计算机工程与应用, 2016, 52(12): 221-226.
[6]	罗小锁1，2，陈学昌1，曹保山1. 有色噪声条件下的子空间辨识改进方法及应用[J]. 计算机工程与应用, 2015, 51(1): 234-237.
[7]	刘雪冬，张康，杨杰. 基于粒子滤波器的摄像机运动参数估计[J]. 计算机工程与应用, 2014, 50(7): 144-148.
[8]	王晓原，张敬磊，马立云. 适应交通流演化的伽马分布形状参数估计[J]. 计算机工程与应用, 2014, 50(5): 247-251.
[9]	李飞祥1，赵知劲1，2，赵治栋1. 一种分阶梯度加权平均变步长VLMP算法[J]. 计算机工程与应用, 2014, 50(4): 207-210.
[10]	陶志勇，魏强，刘影. 多功率锚节点辅助的DV-Hop定位算法[J]. 计算机工程与应用, 2014, 50(21): 121-124.
[11]	吴琳丽，潘光，黄桥高. 基于ML-II的小子样复杂系统多源信息融合方法[J]. 计算机工程与应用, 2014, 50(15): 220-222.
[12]	韩中1，2，赵升吨2，张贵成2，3，阮卫平3，李建平3，沈红立3. 流程制造系统辨识的自动结构性建模方法[J]. 计算机工程与应用, 2014, 50(1): 227-231.
[13]	张振娟. 基于降阶观测器的双线性系统H_∞补偿器设计[J]. 计算机工程与应用, 2013, 49(9): 65-67.
[14]	严平平1，赵知劲1，2，尚俊娜1，2，赵治栋1. 二阶Volterra变记忆长度LMP算法[J]. 计算机工程与应用, 2013, 49(3): 121-125.
[15]	王涛，林卫星，包建孟. 基于协同PSO算法的非均匀采样系统辨识[J]. 计算机工程与应用, 2013, 49(24): 32-37.

状态空间双线性系统的极大似然辨识

Maximum-likelihood identification of state-space bilinear systems

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics