view in publisher's site

An interactive maximum likelihood estimation method for multivariable Hammerstein systems

For a multivariable Hammerstein controlled autoregressive moving average system (CARMA) system, the identification difficulty is hard to parameterize the system into an quasi auto-regression form to which the standard least square method can apply. By using an interactive maximum likelihood (IML) estimation method, this paper interactively maximizes the logarithmic likelihood function over multiple parameter vectors in a more general model, respectively. The details include: (1) reframe the system into a sum of some bilinear functions about the parameter vectors of the nonlinear part and the linear part; (2) interactively maximize the logarithmic likelihood function over each parameter vector to get their estimates; (3) when updating one parameter vector, substitute other parameter vectors or unknown information vectors by their estimates.The advantage of the IML algorithm is that it overcomes the limit on an autoregressive model form with one parameter vector. The IML method is simple to understand and easy to implement. Numerical simulations indicate that the explored IML algorithm is capable of generating accurate parameter estimates, and easy to implement on-line.

یک روش برآورد احتمال ماکزیمم متقابل برای سیستم‌های چند متغیره همرشتاین

برای یک سیستم میانگین متحرک اتورگرسیو کنترل‌شده چند متغیره همرشتاین، سختی شناسایی برای پارامتری کردن سیستم به شکل شبه اتورگرسیو که روش استاندارد حداقل مربع می‌تواند به آن اعمال شود، دشوار است. با استفاده از روش برآورد حداکثر درستنمایی تعاملی (IML)، این مقاله به صورت تعاملی تابع درست نمایی لگاریتمی را بر روی بردارهای پارامتر چندگانه به ترتیب در یک مدل عمومی‌تر به حداکثر می‌رساند. جزییات شامل موارد زیر است: (۱)شکل‌دهی مجدد سیستم به مجموعه‌ای از توابع دوخطی در مورد بردارهای پارامتر بخش غیرخطی و بخش خطی؛ (۲)به صورت تعاملی تابع درستنمایی لگاریتمی را بر روی هر بردار پارامتر به حداکثر می‌رسانند تا برآورده‌ای آن‌ها را به دست آورند؛ (۳)زمانی که یک بردار پارامتر، بردارهای پارامتر دیگر یا بردارهای اطلاعات ناشناخته را با استفاده از برآورد آن‌ها جایگزین می‌کند. روش IML برای درک و پیاده‌سازی آسان است. شبیه‌سازی‌های عددی نشان می‌دهد که الگوریتم IML کشف‌شده قادر به تولید برآورده‌ای دقیق پارامتر است، و اجرای آن به صورت آنلاین آسان است.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Applied Mathematics
  • ترجمه مقاله Applied Mathematics
  • مقاله ریاضیات کاربردی
  • ترجمه مقاله ریاضیات کاربردی
  • مقاله Control and Systems Engineering
  • ترجمه مقاله Control and Systems Engineering
  • مقاله مهندسی کنترل و سیستم‌ها
  • ترجمه مقاله مهندسی کنترل و سیستم‌ها
  • مقاله Signal Processing
  • ترجمه مقاله Signal Processing
  • مقاله پردازش سیگنال
  • ترجمه مقاله پردازش سیگنال
  • مقاله Computer Networks and Communications
  • ترجمه مقاله Computer Networks and Communications
  • مقاله شبکه‌ها و ارتباطات کامپیوتری
  • ترجمه مقاله شبکه‌ها و ارتباطات کامپیوتری
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.