A recursive estimation approach to distributed identification of large-scale multi-input-single-output FIR systems
Eindhoven University of Technology（埃因霍温理工大学）
本文提出了一种用于多输入单输出FIR系统分布式识别的新方法，通过局部参数估计实现渐近收敛，具有有限的信息交换需求。
2018-07-21 cs.SY eess.SY
Consistent identification of continuous-time systems under multisine input signal excitation
多年来，连续时间系统的简化精化辅助变量法（SRIVC）被广泛用于辨识。在这种方法中，输入的样本间行为起着重要的作用，最近已经表明，如果考虑样本间行为的不正确假设，则SRIVC估计量是不一致的。在本文中，我们提出了一种扩展的SRIVC算法，能够处理连续时间多正弦信号，这不能通过保持重建精确内插。建议的估计是一般一致的任何输入重建通过零或一阶保持设备，我们表明，它是一般一致的连续时间多正弦输入以及。所提出的估计的统计性能进行比较，通过广泛的模拟标准SRIVC估计。
2021-03-12 cs.SY eess.SY
Space-Filling Input Design for Nonlinear State-Space Identification
针对非线性状态空间辨识中数据需同时覆盖频域、时域及完整运行范围的问题，提出一种空间填充输入设计方法，并通过非线性质量-弹簧-阻尼系统验证其有效性。
2024-09-09 cs.SY eess.SY
On Input Design for Regularized LTI System Identification: Power-constrained Input
The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
本文针对基于核的正则化方法在LTI系统辨识中的输入设计问题，采用贝叶斯视角，提出两步方法解决功率约束下的输入设计优化问题。
2017-08-18 cs.SY eess.SY
Spectral Rank, Feedback, Causality and the Indirect Method for CARMA Identification
基于Georgiou和Lindquist [1]最近发表的关于连续时间随机过程采样后谱密度秩亏和隐藏动力关系问题的论文，本文致力于理解影响稳定性的反馈和Granger因果关系的相关问题。这自然与CARMA识别有关，我们在文献中对某些疏忽进行了评论。
2020-06-08 cs.SY eess.SY math.DS
Minimum Input Design for Direct Data-driven Property Identification of Unknown Linear Systems
在直接数据驱动的方法中，本文研究了{ \em属性识别（ID）}问题，以分析未知线性系统是否具有感兴趣的属性，例如，稳定性和结构性能。与基于模型的分析形成鲜明对比的是，我们直接使用未知系统的输入和状态反馈数据来逼近它。通过引入输入截面数据充分丰富度的概念，首先建立了最小输入设计激励系统性能ID的充要条件，具体地说，输入截面数据对于性能ID { \em}是充分丰富的当且仅当}它跨越一个线性子空间，该线性子空间包含一个与性能相关的最小线性子空间，其任何基础也可以容易地用于形成最小激励输入。有趣的是，我们发现，许多结构特性可以识别的最小输入，但无法识别显式系统模型。总体而言，我们的结果严格量化的优势，直接数据驱动的分析，基于模型的分析线性系统的数据效率。
2022-08-29 cs.SY eess.SY
Spectral Flow Learning Theory: Finite-Sample Guarantees for Vector-Field Identification
Elmore Family School of Electrical and Computer Engineering, Purdue University（普渡大学埃尔莫尔电气与计算机工程学院）
本文研究如何从不规则采样轨迹识别连续时间向量场，提出谱流学习方法，通过窗口流空间和滞后线性标签操作符聚合滞后Koopman作用，提供变量步长线性多步方法的有限样本高概率保证，并通过控制质量的滤波器实现谱正则化。
2026-04-03 cs.SY eess.SY
Koopman Spectral Analysis and System Identification for Stochastic Dynamical Systems via Yosida Approximation of Generators
针对随机微分方程控制的随机动力系统，提出基于预解算子理论和Yosida逼近的Koopman生成器估计方法，实现谱分析与参数重构，在低采样率或单轨迹下鲁棒，实验验证其参数估计、谱提取性能优于现有技术。
2025-04-10 cs.SY eess.SY
Blind Identification of State-Space Models in Physical Coordinates
盲辨识在结构健康监测和音频信号处理等研究领域中广泛用于在没有输入信息的情况下对系统进行建模。现有的盲辨识方法各有优缺点，本文在简要介绍现有方法的基础上，提出了一种新的物理坐标系下状态空间模型的盲辨识方法。该方法首先将采集到的状态空间模型的输入数据看作周期信号序列的一部分，然后通过用输入模型扩充状态空间模型，将有输入和输出的状态空间模型变换为无输入的模型（其是周期性信号模型），并且之后仅使用输出信息来识别状态空间模型直到相似性变换，最后通过使用唯一的相似变换导出物理坐标中的状态空间模型。利用上述思想，可以得到状态空间系统的物理参数和模态参数。数值算例和实际算例验证了所提方法的有效性。实验结果表明了该方法的有效性。
2021-08-19 cs.SY eess.SY
Sampling in Parametric and Nonparametric System Identification: Aliasing, Input Conditions, and Consistency
针对慢采样连续时间系统，本文分析参数化与非参数化辨识估计量，给出 Nyquist 频率外频率响应函数无偏估计的充要条件，并证明混叠重叠下参数估计仍可一致。
2024-10-25 cs.SY eess.SY
On Embeddings and Inverse Embeddings of Input Design for Regularized System Identification
输入设计是系统辨识的一个重要问题，在经典的系统辨识中，最大似然/预测误差法对于新兴的正则化系统辨识，关于输入设计的研究才刚刚开始，它通常被表述为在一定约束条件下最小化贝叶斯均方误差矩阵的标量度量的非凸优化问题，最先进的方法是所谓的二次映射和逆嵌入（QMIE）方法，其中，提出了时域逆嵌入（TDIE）以找到二次映射的逆。在本文中，我们报告了一些新的结果的嵌入/逆嵌入的QMIE方法。首先，我们给出了频域逆嵌入（FDIE）的一般结果，即求离散时间傅里叶变换所描述的二次映射的逆。然后，我们从图形信号处理的角度展示了TDIE和FDIE之间的关系。最后，基于这种观点，我们进一步提出了一个图诱导嵌入及其逆，其中包括以前介绍的嵌入作为特殊情况。这从一个超越实域和频域观点的新观点加深了对输入设计的理解。
2022-09-27 cs.SY eess.SY
Local module identification in dynamic networks with correlated noise: the full input case
Eindhoven University of Technology（埃因霍温理工大学）；University of Calgary（卡尔加里大学）
本文研究了动态网络中局部模块识别问题，提出了一种在节点信号过程噪声可能相关的情况下，通过MISO或MIMO识别设置来获得一致估计的方法，解决了混杂变量的处理问题。
2019-03-25 cs.SY eess.SY
Kernel-based system identification from noisy and incomplete input-output data
ACCESS Linnaeus Center, School of Electrical Engineering, KTH Royal Institute of Technology（ACCESS林奈中心，电气工程学院，皇家理工学院）
本文提出一种基于核的方法，用于从噪声和不完整输入输出数据集中识别线性系统，通过高斯过程建模系统脉冲响应，并采用经验贝叶斯方法估计脉冲响应的后验分布，通过最大化输入输出测量的联合边缘似然来估计噪声、缺失数据和核超参数。
2016-05-12 cs.SY eess.SY
Data-Driven System Identification of Linear Quantum Systems Coupled to Time-Varying Coherent Inputs
在本文中，我们开发了一个系统识别算法来识别模型的未知的线性量子系统驱动的时变相干态，基于经验单拍连续零差测量数据的系统的输出。所提出的算法确定一个模型，满足线性量子系统的物理可实现性条件，挑战经典（非量子）线性系统识别中没有遇到的约束。最后给出了一个多输入多输出光学腔模型的数值算例，说明了该辨识算法的应用。
2020-12-11 cs.SY eess.SY quant-ph
ARX Model Identification using Generalized Spectral Decomposition
研究了具有外生输入的自回归模型的辨识问题。大多数现有的方法，如预测误差最小化和状态空间框架被广泛接受，并用于ARX模型的估计，但已知提供无偏和一致的参数估计的输入输出顺序和延迟的正确提供的猜测。在本文中，我们提出了一种新的自动化框架，恢复订单，延迟，输出噪声分布以及参数估计。所提出的框架中使用的主要工具是广义谱分解。所提出的算法系统地估计所有的参数在两个步骤。第一步通过检查广义特征值利用阶的估计，第二步从广义特征向量估计参数。仿真研究表明，所提出的方法的有效性，并观察到提供一致的估计，即使在低信噪比（SNR）。
2020-08-11 cs.SY eess.SY
Local module identification in dynamic networks: do more inputs guarantee smaller variance?
Eindhoven University of Technology（埃因霍温理工大学）；VolkerRail（VolkerRail公司）
本文研究动态网络中局部模块的识别问题，通过比较全MISO方法与浸入网络设置下的估计方差，探讨输入数量与方差的关系。
2018-04-27 cs.SY eess.SY
Blind Identification of ARX Models with Piecewise Constant Inputs
University of California, Berkeley（加州大学伯克利分校）；Linköping University（林雪平大学）
针对仅从输出测量中辨识ARX模型的问题，提出一种基于秩最小化的松弛凸优化方法，用于估计分段常数输入和模型参数，应用于电力负荷分解。
2013-03-27 cs.SY eess.SY
Online and Offline Space-Filling Input Design for Nonlinear System Identification: A Receding Horizon Control-Based Approach
针对非线性系统辨识输入设计忽略泛化误差的问题，提出嵌入距离型最优准则的RHC框架输入设计方法，支持在线离线场景，空间填充探索效率优于现有方法。
2025-08-04 cs.SY eess.SY
Modeling and identification of uncertain-input systems
ACCESS Linnaeus Center, KTH Royal Institute of Technology（ACCESS林奈中心，皇家理工学院）；Department of Electrical Engineering, Eindhoven University of Technology（埃因霍温理工大学电气工程系）
本文提出不确定输入模型，通过高斯过程模型处理部分未知输入信号的系统识别问题，结合经验贝叶斯方法和近似技术，适用于 Hammerstein 系统和级联线性系统识别。
2017-09-11 cs.SY eess.SY
Identification of MISO systems in Minimal Realization Form
本文研究了在多输入单输出（MISO）的最小实现形式中，从被所有变量的误差所破坏的输入输出数据中识别各个输入通道的传递函数。这种框架通常被称为变量中的错误（EIV）。现有的MISO系统辨识方法中的一种常见方法是在一组简单的假设下估计非最小阶传递函数，这些假设包括同向误差方差、已知阶数和延迟。在这项工作中，我们处理具有挑战性的问题，识别阶，延迟在每个输入的最小实现形式分别估计的传递函数。我们还估计了多个输入和输出变量中每个变量的异方差噪声方差。提出了一种在EIV框架中识别最小实现形式的MISO系统的自动化方法。数值算例研究表明，该算法在识别传递函数以及阶数、时延和噪声方差方面具有很好的效果。
2020-08-12 cs.SY eess.SY
Experiment Design for Set-membership Identification: From Prior Knowledge to Universal Inputs
Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence, University of Groningen（格罗宁根大学伯努利数学、计算机科学与人工智能研究所）
针对未知线性时不变系统，研究如何设计输入信号使得有限时域数据满足辨识精度要求，提出通用输入设计方法，推广了基于Willems引理的持续激励输入方法，并探索了噪声下精确辨识的先验知识类型。
2026-07-02 cs.SY eess.SY math.OC
DIDO Hammerstein Identification of Mild Steel Welding Pool in Pulsed GTAW Dynamic Process with Wire Filler
本文分析了焊接动态过程的非线性特性，采用MIMO Hammerstein模型近似描述过程，并开发了识别算法，通过焊接实验获取输入输出数据以识别焊接池的Hammerstein模型。
2018-04-20 cs.SY eess.SY
Spectral identification of networks using sparse measurements
本文提出通过少量节点观测恢复网络全局信息的方法，聚焦网络谱图论特性，利用Koopman算子和动态模式分解算法提取动态谱特性，实现高效稀疏测量下的网络识别。
2016-10-17 cs.SY eess.SY math.DS
Abstractions of linear dynamic networks for input selection in local module identification
本文提出一种线性动态网络抽象方法，通过移除选定节点信号并保持其余不变来选择待测信号集，推广了已有算法，并推导出保证目标模块不变以实现局部模块辨识的条件。
2020-04-09 cs.SY eess.SY
Online design of experiments by active learning for nonlinear system identification
研究将主动学习策略适配至动态环境，结合Kalman滤波器递归更新模型参数并处理输入输出约束，在运行时生成激励信号，提高了非线性系统辨识的样本效率。
2025-06-26 cs.SY eess.SY
Observer-based switched-linear system identification
在本文中，我们提出了一种方法来识别离散时间状态空间切换线性系统（SLS）的输入输出测量。假设连续状态不被测量。关键的一步是一个基于无差拍观测器的转换到一个开关自回归与外源输入（SARX）模型。这种转换减少了状态空间识别问题的SARX模型估计问题。解决了过度拟合问题。开关和参数的可识别性和持久性的激励条件的输入进行了详细讨论。通过求解一个非凸稀疏优化问题，在观测器域内辨识离散状态。聚类算法揭示了离散状态下温和的假设系统结构和停留时间。该方法利用多变量输出误差状态空间（MOESP）算法及其改进算法从输入输出数据中估计开关序列，通过稀疏优化问题的凸松弛得到块基追踪去噪（BBPDN）算法。理论研究结果支持通过一个详细的数值例子。在这个例子中，所提出的方法还比较了混杂系统文献中的另一种识别方案。
2021-08-11 cs.SY eess.SY
Experiment design for impulse response identification with signal matrix models
本文制定了一个输入设计方法截断无限脉冲响应识别的隐式模型表示的背景下，最近使用的数据驱动的仿真和控制方法的基础。准确地说，所考虑的模型由数据（或信号）矩阵的列的线性组合组成。最近提出了一种最佳组合的情况下，嘈杂的数据，使用最大似然方法，这里的目标是优化的数据矩阵的输入项，使估计的均方误差矩阵最小化。一个最小范数的问题是来自最优性标准通常认为在实验设计文献。数值结果表明，改进的估计与优化输入实现。
2021-04-11 cs.SY eess.SY
Closed-loop Identification of a MSW Grate Incinerator using Bayesian Optimization for Selecting Model Inputs and Structure
针对城市固体废物炉排焚烧炉，提出利用贝叶斯优化选择模型输入与结构，实现低阶闭环辨识，获得高精度预测模型，支持基于模型的控制方案开发。
2024-01-10 cs.SY eess.SY
Convergence of Recursive Least Squares Based Input/Output System Identification with Model Order Mismatch
该研究针对模型阶数失配场景，提出不同阶数输入/输出模型的等价性概念，分析了高阶辨识模型基于RLS的在线辨识收敛性，证明其在持续激励数据下会收敛到与真实系统等价且RLS正则化项最小的模型。
2024-04-16 cs.SY eess.SP eess.SY
Unconstrained Parameterization of Stable LPV Input-Output Models: with Application to System Identification
针对离散时间线性参数变化输入输出模型稳定性约束需数值验证的难题，提出基于Cayley变换的无约束参数化方法，可生成任意参数下的稳定模型，并在仿真示例中验证了其辨识有效性。
2024-03-12 cs.SY eess.SY
System Identification and Adaptive Input Estimation on the Jaiabot Micro Autonomous Underwater Vehicle
本文提出了一种自适应输入估计算法，用于估计Jaiabot微型自主水下机器人的未知控制输入和状态，相比经典卡尔曼滤波具有更优的处理能力。
2025-04-01 cs.RO cs.SY eess.SY
Linear System Identification Under Multiplicative Noise from Multiple Trajectory Data
乘性噪声模型的研究在控制理论中有着悠久的历史，但在复杂网络系统和基于学习的控制系统中又重新出现。本文研究了带乘性噪声的多状态轨迹线性系统辨识问题。我们提出了探索性的输入信号，同时估计标称系统参数和乘性噪声协方差矩阵的最小二乘算法。通过分析系统的一阶和二阶矩动力学，证明了协方差结构的可辨识性和最小二乘估计的渐近相合性。数值模拟的结果表明。
2020-07-03 cs.SY eess.SY
Identification of Port-Hamiltonian Differential-Algebraic Equations from Input-Output Data
Eindhoven University of Technology（埃因霍温理工大学）；Institute for Computer Science and Control（计算机科学与控制研究所）
本文提出了一种基于端哈密顿神经网络和微分代数求解器的数据驱动方法，用于从输入输出数据中识别端哈密顿微分代数方程，以建模具有代数约束的物理系统。
2026-01-23 cs.SY eess.SY
Identification of Errors-in-Variables ARX Models Using Modified Dynamic Iterative PCA
Indian Institute of Technology Madras（马德拉斯印度理工学院）
具有外生输入的自回归模型的辨识是系统辨识中的经典问题。本文考虑了输入测量也被噪声破坏的变量误差（EIV）ARX模型识别问题。最近提出的DIPCA技术解决了EIV识别问题，但仅适用于白色测量误差。我们提出了一种新的识别算法的基础上修改的动态迭代主成分分析（DIPCA）的方法，用于识别EIV-ARX模型的单输入，单输出（SISO）系统的输出测量被损坏的有色噪声与ARX模型一致。大多数现有的方法假设重要的参数，如输入输出顺序，延迟，或噪声方差是已知的。这项工作的新颖性在于联合估计误差方差，过程顺序，延迟和模型参数。用于以理论上严格的方式获得所有这些参数的中心思想是基于使用适当的误差协方差矩阵来变换滞后测量，该误差协方差矩阵是使用估计的误差方差和模型参数来获得的。两个系统的仿真研究证明了所提出的算法的有效性。
2020-11-30 cs.LG cs.SY eess.SY
Toolbox for Discovering Dynamic System Relations via TAG Guided Genetic Programming
非线性动力系统的数据驱动建模通常需要专家用户在识别过程之前做出关键决策。近年来，基于\textit{Genetic Programming}（GP）和\textit{Tree Adjoining Grammars}（TAG）的\textit{single-input single-output}（SISO）非线性动力系统数据驱动建模的自动化策略被引入.目前的文件扩展了这些最新的研究结果，提出了一个\textit{multi-input multi-output}（MIMO）TAG建模框架多项式NARMAX模型。此外，我们介绍了一个TAG识别工具箱在Matlab中，提供所提出的方法来解决NARMAX噪声假设下的多输入多输出识别问题的实现。的工具箱和建模方法的能力证明在两个SISO和一个MIMO非线性动态基准模型的识别。
2020-12-16 cs.SY eess.SY
Statistical Analysis of Block Coordinate Descent Algorithms for Linear Continuous-time System Identification
本文针对连续时间系统辨识中块坐标下降算法统计特性缺失的问题，分析了其用于MISO和加性SISO系统辨识的偏差特性，给出了估计量一致性的充分条件，并通过仿真验证了理论结果。
2024-04-13 cs.SY eess.SY
Enhanced input stacking for non-square MIMO modal identification of aeronautical structures via Fast and Relaxed Vector Fitting
Universidad Carlos III de Madrid（马德里卡洛斯三世大学）；Politecnico di Torino（都灵理工大学）
本文提出一种基于地面振动测试数据的MIMO框架，利用改进的输入堆叠策略对飞机结构模态参数进行识别，通过数值和实验验证展示了方法的高精度和抗噪能力。
2026-05-15 cs.SY eess.SP eess.SY
Closed-Loop Identification of Stabilized Models Using Dual Input-Output Parameterization
本文提出双输入-输出参数化方法，利用闭环传递函数参数化被控对象，无需互质分解或标称模型即可保证辨识模型被已知控制器稳定，仿真显示优于现有基准方法。
2023-11-15 cs.SY eess.SY math.OC
D-Optimized Sampling Design for System Identification
Eindhoven University of Technology（埃因霍温理工大学）
本文提出非参数频率响应函数估计器，设计非均匀采样方案以提升非周期多正弦激励下的系统辨识精度。
2026-05-13 cs.SY eess.SY math.OC
System Identification through Online Sparse Gaussian Process Regression with Input Noise
Delft University of Technology（代尔夫特理工大学）；Uppsala University（乌普萨拉大学）
本文提出一种在线稀疏高斯过程回归算法，解决高斯过程回归在计算效率、在线更新和处理噪声输入方面的不足，实验表明其在非线性黑盒系统建模中性能优异。
2017-08-15 cs.LG cs.SY eess.SY
On Robustness of Kernel-Based Regularized System Identification
提出了一种基于核的系统辨识方法。我们证明了有限冲激响应的正则化核基估计方法等价于一个鲁棒最小二乘问题，该问题具有一个由核矩阵定义的特定不确定集，因此，它被称为基于核的不确定集。我们提供了一个理论基础的鲁棒性的基于核的方法输入干扰。基于鲁棒正则化最小二乘方法，考虑了不同的系统辨识公式，其中一些公式采用了基于核的不确定性集。我们将这些方法应用于输入测量受到干扰的情况。随后，我们进行了广泛的数值实验，并比较结果，以检查在识别过程中利用基于核的不确定性集的影响。数值实验表明，基于核不确定集的鲁棒最小二乘辨识方法提高了估计对输入扰动的鲁棒性。
2021-05-26 cs.SY eess.SP eess.SY
Experiment design using prior knowledge on controllability and stabilizability
Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence, University of Groningen（格罗宁根大学伯努利数学、计算机科学与人工智能研究所）
本文提出利用系统可控性和可稳定性先验知识设计输入信号，以生成适合识别和稳定化的数据，并讨论了最短实验设计方法。
2025-12-01 cs.SY eess.SY math.OC
An Iterative Bayesian Approach for System Identification based on Linear Gaussian Models
Department of Aeronautics and Astronautics, Stanford University（航空航天系，斯坦福大学）
该研究针对系统辨识问题，提出一种含迭代参数优化与不确定性驱动输入选择的贝叶斯方法，仅需输入输出数据与模型一阶信息，适用于各类系统与参数模型，经线性及非线性动力学测试验证有效。
2025-10-01 cs.LG cs.SY eess.SY
Nonlinear port-Hamiltonian system identification from input-state-output data (ISO-pHNN)
Université Marie et Louis Pasteur, SUPMICROTECH, CNRS, institut FEMTO-ST（玛丽和路易·巴斯德大学、SUPMICROTECH、法国国家科学研究中心、FEMTO-ST研究所）；Institute for Mathematical Modeling, Analysis and Computational Mathematics, University of Wuppertal（伍珀塔尔大学数学建模、分析与计算数学研究所）
提出ISO-pHNN框架，用神经网络结合端口哈密顿结构辨识非线性端口哈密顿系统，探索多种架构，验证其精度不降低且先验信息可提升长期预测效果。
2026-08-24 cs.SY eess.SY math.DS
Topology Identification of Directed Dynamical Networks via Power Spectral Analysis
University of Pennsylvania（宾夕法尼亚大学）
本文提出基于交叉功率谱密度的算法，用于识别未知加权有向网络的拓扑结构，包括链接的存在性和方向，以及恢复网络精确结构和输入噪声功率谱密度。
2013-08-09 cs.SY eess.SY math.DS
On Reduced Input-Output Dynamic Mode Decomposition
Max Planck Institute for Dynamics of Complex Technical Systems（马克斯·普朗克复杂技术系统动力学研究所）
本文提出基于输入输出动态模式分解的降阶建模方法，比较了数据驱动识别过程中的激励方法，并描述了用于稳定识别系统的优化策略。
2017-12-22 cs.NA cs.SY eess.SY
Input Design for System Identification via Convex Relaxation
Massachusetts Institute of Technology（麻省理工学院）
提出一种基于凸松弛的框架，在时域幅度约束下最大化Fisher信息矩阵，实现系统辨识激励输入的优化，并保证近似最优性。
2010-09-28 cs.SY eess.SY math.OC
Attenuated in-context identification in time-series foundation models: diagnosis under counterfactual inputs and repair by synthetic forced-system fine-tuning
Korea Institute of Industrial Technology（韩国生产技术研究院）；Hanyang University（汉阳大学）
研究发现时间序列基础模型在反事实输入下对动态系统的识别存在衰减，提出合成强迫系统微调修复方法，恢复响应幅度并优于结构无关识别。
2026-10-07 cs.LG cs.SY eess.SY
System Identification of an Octocopter in Hover using Full-Harmonic Orthogonal Multisine Inputs
NASA’s Langley Research Center（美国国家航空航天局兰利研究中心）
本文提出一种向飞行控制系统注入全谐波正交多正弦信号的多输入机动设计方法，通过输入分配增强特定自由度激励，并在八旋翼飞行器上验证，成功辨识出电力、电机和刚体动力学模型，证明近悬停动力学可忽略多种次要效应而准确建模。
2026-09-25 cs.RO cs.SY eess.SY
A Kullback-Leibler divergence method for input-system-state identification
University of Southampton（南安普顿大学）
本文提出一种基于 Kullback-Leibler 散度的 Kalman filter 框架方法，通过比较先验与后验分布选择最合理的输入-参数-状态估计方案，有效解决初始参数猜测导致的不确定性问题，为系统监测提供强大工具。
2025-11-04 cs.AI cs.CV cs.IT
Spectral Filtering for General Linear Dynamical Systems
Department of Computer Science, Princeton University（普林斯顿大学计算机科学系）；Google Brain（谷歌大脑）；Department of Mathematics, Princeton University（普林斯顿大学数学系）
本文提出一种多项式时间算法，用于学习无系统识别假设的隐状态线性动态系统，无需假设系统转移矩阵的谱半径。该算法扩展了谱滤波技术，通过新的凸松弛方法高效识别相位。
2018-02-12 cs.LG cs.SY eess.SY
Finite-Sample Limits of Entropy-Based Structure Identification in Discretized Nonlinear Systems
Oak Ridge National Laboratory（橡树岭国家实验室）
该研究针对离散非线性系统中基于熵的结构识别问题，引入分辨率-随机性比率，明确其有限样本极限，验证了理论并在配电网数据集上演示其用于识别驱动可靠性提升的投资。
2026-09-04 cs.IT cs.SY eess.SY
Robust Topology Identification and Control of LTI Networks
University of Pennsylvania（宾夕法尼亚大学）
本文提出一种鲁棒方案，用于识别和控制线性动态网络的拓扑结构，通过自适应反馈输入和滑模控制结合，实现网络动态渐近跟踪参考动态，并通过仿真验证理论成果。
2014-06-17 cs.SY eess.SY math.DS
Identification of MIMO Wiener-type Koopman Models for Data-Driven Model Reduction using Deep Learning
我们使用Koopman理论开发了一个数据驱动的多输入多输出（MIMO）输入仿射动力系统的非线性模型降阶和辨识策略。虽然目前的文献集中在线性和双线性Koopman模型，我们推导并使用维纳型Koopman制定。我们讨论了Wiener结构特别适合于模型降阶，并且可以自然地从Koopman理论导出。此外，维纳块结构统一了线性动力学块的数学简单性和双线性动力学的准确性。我们提出了一种结合自动编码器和线性动态的Koopman深度学习策略，该策略生成MIMO Wiener类型的低阶代理模型。在三个案例研究中，我们应用我们的框架识别和减少输入的多重性，化学反应器和高纯度蒸馏塔的系统。我们比较确定的维纳模型的预测性能的线性和双线性Koopman模型。我们观察到低阶维纳型Koopman模型的最高精度和最强的模型降阶能力，使其有希望的控制。
2022-04-04 cs.SY eess.SY math.DS
