arXivDaily arXiv每日学术速递 周一至周五更新
arXiv 1604.01928eess.SYcs.SY
收藏

通过动态回归扩展和混合技术改进多频率估计的暂态性能

Improved Transients in Multiple Frequencies Estimation via Dynamic Regressor Extension and Mixing

INRIA-LNE(法国国家信息与自动化研究所);ITMO University(圣彼得堡信息、机械与光学大学);LSS-Supelec(法国高等师范学院信号与系统实验室)

Aranovskiy Stanislav, Bobtsov Alexey, Ortega Romeo, Pyrkin Anton

AI总结:

本文研究了多频率估计的性能提升问题,采用动态回归扩展和混合技术改进暂态性能并确保估计误差非严格单调性。

摘要:

本文研究了多频率估计性能增强问题。首先考虑一种具有全局指数收敛性的基于梯度的估计方法。接着应用动态回归扩展和混合技术来改进基本方法的暂态性能,并确保估计误差的非严格单调性。仿真结果展示了所提解决方案的优势。

英文摘要:

A problem of performance enhancement for multiple frequencies estimation is studied. First, we consider a basic gradient-based estimation approach with global exponential convergence. Next, we apply dynamic regressor extension and mixing technique to improve transient performance of the basic approach and ensure non-strict monotonicity of estimation errors. Simulation results illustrate benefits of the proposed solution.

机构、总结、中文摘要均由AI分析而来,可能存在错误,请以论文正文为准。

↑