On maximum likelihood identification of errors-in-variables models

QC 20180213
In this paper, we revisit maximum likelihood methods for identification of errors-in-variables systems. We assume that the system admits a parametric description, and that the input is a stochastic ARMA process. The cost function associated with the maximum likelihood criterion is minimized by introducing a new iterative solution scheme based on the expectation-maximization method, which proves fast and easily implementable. Numerical simulations show the effectiveness of the proposed method.

Risuleo, Riccardo SvenKTH,Reglerteknik,ACCESS Linnaeus Centre(Swepub:kth)u16om4zo (författare)
Zamani, M. (författare)
Ninness, B. (författare)
Hjalmarsson, HåkanKTH,Reglerteknik,ACCESS Linnaeus Centre(Swepub:kth)u10a8l40 (författare)
KTHReglerteknik (creator_code:org_t)

Av författaren/redakt...: Bottegal, G.; Risuleo, Riccard ...; Zamani, M.; Ninness, B.; Hjalmarsson, Håk ...

Om ämnet

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Elektroteknik oc ...; och Reglerteknik

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.