• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Design of Gaussian inputs for Wiener model identification *
【24h】

Design of Gaussian inputs for Wiener model identification *

机译：用于Wiener模型识别的高斯输入的设计 *

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We develop a tractable algorithms for finding the optimal power spectral density of the Gaussian input excitation for identifying a Wiener model. This problem is known as a difficult problem for two reasons. Firstly, the estimation accuracy depends on the higher order joint moments of the potentially infinitely many past samples of the input signal. In addition, the covariancematrix of the parameter estimates is thought to be a highly non-convex function of the power spectral density function. In this contribution we show that under Gaussian assumption it is possible to completely parameterize the set of all admissible information matrices with only a finite number of parameters. We present a convex algorithm to solve the D-optimal design problem. This idea can be extended further to design Gaussian mixture designs.
机译：我们开发了一种易于处理的算法，用于找到高斯输入激励的最佳功率谱密度，以识别维纳模型。由于两个原因，该问题被称为困难问题。首先，估计精度取决于输入信号的潜在无限多个过去采样的高阶联合矩。另外，参数估计的协方差矩阵被认为是功率谱密度函数的高度非凸函数。在此贡献中，我们表明在高斯假设下，仅用有限数量的参数就可以完全参数化所有可允许信息矩阵的集合。我们提出了一种凸算法来解决D最优设计问题。这个想法可以进一步扩展到设计高斯混合设计。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号