Nonparametric System Identification

Dieses Buch gibt einen umfassenden Überblick über die theoretischen Grundlagen der nicht-parametrischen Systemidentifikation für nichtlineare blockorientierte Systeme und zeigt, dass die nicht-parametrische Regression erfolgreich auf die Systemidentifikation angewendet werden kann. Mit dem Schwerpunkt auf Hammerstein-Wiener-Systemen und ihren mehrdimensionalen Erweiterungen zeigen die Autoren, wie nichtlineare Subsysteme und ihre Eigenschaften identifiziert werden können, wenn nur begrenzte Informationen vorhanden sind. Algorithmen, die trigonometrische Legendre-, Laguerre- und Hermite-Serien verwenden, werden untersucht und der Kernel-Algorithmus, seine semirekursiven Versionen und vollständig rekursiven Modifikationen werden behandelt. Die Theorien der modernen nicht-parametrischen Regressionsapproximation und der orthogonalen Expansionen sowie neue Ansätze zur Systemidentifikation (einschließlich semiparametrischer Identifikation) werden vorgestellt. Detaillierte Informationen zu allen verwendeten Tools finden Sie in den Anhängen. Dieses Buch richtet sich an Forscher und Praktiker in den Bereichen Systemtheorie, Signalverarbeitung und Kommunikation und richtet sich an Forscher in Bereichen wie Mechanik, Wirtschaft und Biologie, in denen experimentelle Daten verwendet werden, um Modelle von Systemen zu erhalten. Sprache: Englisch