-
题名非对称偏斜噪声条件下一种鲁棒概率系统辨识算法研究
- 1
-
-
作者
刘鑫
陈强
王兰豪
代伟
-
机构
中国矿业大学人工智能研究院
中国矿业大学信息与控制工程学院
中国矿业大学炼焦煤资源绿色开发全国重点实验室
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2024年第10期2022-2035,共14页
-
基金
国家自然科学基金(62103134,62373361,52304309)
国家重点研发计划(2022YFB3304700)
中国博士后科学基金(2023M743776)资助。
-
文摘
在现有的系统辨识算法中,常用的高斯、学生氏t(Student's t,St)、拉普拉斯等噪声分布均呈现出对称的统计特性,难以描述非对称性、有偏的输出噪声,使得在非对称偏斜噪声条件下算法的性能下降.基于此,研究一类广义双曲倾斜学生氏t(Generalized hyperbolic skew student's t,GHSkewt)分布,并在非对称偏斜噪声条件下,提出一种线性系统鲁棒辨识算法.首先,对GHSkewt分布的重尾特性和偏斜特性进行详细阐述,数学上证明了标准学生氏t分布可看作是GHSkewt分布的一个特例;其次,引入隐含变量将GHSkewt分布进行数学分解,以方便算法的推导和实现;最后,在期望最大化(Expectation-maximization,EM)算法下,重构具有隐含变量系统的代价函数,通过迭代优化的方式,不断从被污染数据集中学习过程的动态特性和噪声分布,实现噪声参数和模型参数的联合估计.
-
关键词
鲁棒系统辨识
非对称偏斜噪声
广义双曲倾斜学生氏t
分布
期望最大化算法
-
Keywords
Robust system identification
asymmetric and skewed noise
generalized hyperbolic skew student's t(GHSkewt)distribution
expectation-maximization(EM)algorithm
-
分类号
N945.14
[自然科学总论—系统科学]
-
