کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7109491 1460649 2016 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Analysis of a nonsmooth optimization approach to robust estimation
ترجمه فارسی عنوان
تجزیه و تحلیل یک روش بهینه سازی غیرمستقیم به برآورد قوی
کلمات کلیدی
برآورد پایدار، ناپایدارها، شناسایی سیستم، بهینه سازی غیرمستقیم،
ترجمه چکیده
در این مقاله، مسئله شناسایی یک نقشه خطی را از اندازه گیری هایی که به خطاهای متناوب و به طور خودسرانه می پردازیم، در نظر می گیریم. این یک مشکل اساسی در بسیاری از برنامه های مربوط به برآورد است، مانند تشخیص خطا، تخمین حالت در شبکه های از دست رفته، شناسایی سیستم ترکیبی، برآورد قوی و غیره. مشکل مشکل است زیرا برخی از ویژگی های ترکیبی درون خود را نشان می دهد. بنابراین، به دست آوردن یک راه حل موثر نیاز به آرامش است که هر دو قابل حل با هزینه معقول و موثر است به این معنی که آنها می توانند بردار پارامتر واقعی بازگشت. مقاله حاضر در مورد رویکرد بهینه سازی محدب غیرمستقیم و تحلیل جدیدی از رفتار آن را ارائه می دهد. به طور خاص، نشان داده شده است که در شرایط مناسب بر روی داده ها، برآورد دقیق می تواند از اطلاعات خراب شده توسط تعداد زیادی (حتی بی نهایت) تعداد خطاهای ناخالص بهبود یابد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
چکیده انگلیسی
In this paper, we consider the problem of identifying a linear map from measurements which are subject to intermittent and arbitrarily large errors. This is a fundamental problem in many estimation-related applications such as fault detection, state estimation in lossy networks, hybrid system identification, robust estimation, etc. The problem is hard because it exhibits some intrinsic combinatorial features. Therefore, obtaining an effective solution necessitates relaxations that are both solvable at a reasonable cost and effective in the sense that they can return the true parameter vector. The current paper discusses a nonsmooth convex optimization approach and provides a new analysis of its behavior. In particular, it is shown that under appropriate conditions on the data, an exact estimate can be recovered from data corrupted by a large (even infinite) number of gross errors.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Automatica - Volume 66, April 2016, Pages 132-145
نویسندگان
, ,