Autonomous state space models for recursive signal estimation beyond least squares
Kein Vorschaubild vorhanden
Autor:innen
Autor:in (Körperschaft)
Publikationsdatum
2017
Typ der Arbeit
Studiengang
Typ
04B - Beitrag Konferenzschrift
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
2017 25th European Signal Processing Conference (EUSIPCO)
Themenheft
DOI der Originalpublikation
Link
Reihe / Serie
Reihennummer
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
341-345
Patentnummer
Verlag / Herausgebende Institution
IEEE
Verlagsort / Veranstaltungsort
New York
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
The paper addresses the problem of fitting, at any
given time, a parameterized signal generated by an autonomous
linear state space model (LSSM) to discrete-time observations.
When the cost function is the squared error, the fitting can
be accomplished based on efficient recursions. In this paper,
the squared error cost is generalized to more advanced cost
functions while preserving recursive computations: first, the
standard sample-wise squared error is augmented with a sampledependent
polynomial error; second, the sample-wise errors are
localized by a window function that is itself described by an
autonomous LSSM. It is further demonstrated how such a signal
estimation can be extended to handle unknown additive and/or
multiplicative interference. All these results rely on two facts:
first, the correlation function between a given discrete-time signal
and a LSSM signal can be computed by efficient recursions;
second, the set of LSSM signals is a ring.
Schlagwörter
Fachgebiet (DDC)
600 - Technik, Medizin, angewandte Wissenschaften
Veranstaltung
2017 25th European Signal Processing Conference (EUSIPCO)
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
28.08.2017
Enddatum der Konferenz
02.09.2017
Datum der letzten Prüfung
ISBN
978-0-9928626-7-1
978-0-9928626-8-8
978-1-5386-0751-0
978-0-9928626-8-8
978-1-5386-0751-0
ISSN
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Nein
Zukunftsfelder FHNW
Publikationsstatus
Veröffentlicht
Begutachtung
Peer-Review der ganzen Publikation
Open Access-Status
Closed
Lizenz
Zitation
ZALMAI, Nour, Reto WILDHABER und Hans-Andrea LOELIGER, 2017. Autonomous state space models for recursive signal estimation beyond least squares. In: 2017 25th European Signal Processing Conference (EUSIPCO). New York: IEEE. 2017. S. 341–345. ISBN 978-0-9928626-7-1. Verfügbar unter: https://irf.fhnw.ch/handle/11654/46832