HMY 799 1: Αναγνώριση Συστημάτων

Σχετικά έγγραφα
HMY 799 1: Αναγνώριση Συστημάτων

HMY 799 1: Αναγνώριση Συστημάτων

HMY 799 1: Αναγνώριση Συστημάτων

HMY 799 1: Αναγνώριση Συστημάτων

HMY 799 1: Αναγνώριση Συστημάτων

ΚΕΦΑΛΑΙΟ 2 ΑΝΑΣΚΟΠΗΣΗ ΑΠΑΡΑΙΤΗΤΩΝ ΓΝΩΣΕΩΝ: ΕΚΤΙΜΗΤΕΣ

ΗΜΥ 681 Εκτίμηση κατάστασης II (AC Εκτίμηση κατάστασης)

HMY 799 1: Αναγνώριση. συστημάτων. Διαλέξεις 6 7. Συνάφεια (συνέχεια) Μη παραμετρική αναγνώριση γραμμικών

Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων

Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων

Πανεπιστήμιο Πατρών Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών. Διάλεξη 11

HMY 795: Αναγνώριση Προτύπων

HMY 799 1: Αναγνώριση Συστημάτων

Πανεπιστήμιο Πατρών Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών. Διάλεξη 4

HMY 220: Σήματα και Συστήματα Ι

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ. Γραµµική Εκτίµηση Τυχαίων Σηµάτων

ΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ

HMY 220: Σήματα και Συστήματα Ι

Ψηφιακές Τηλεπικοινωνίες. Θεωρία Ρυθμού Παραμόρφωσης

Τοπογραφικά Δίκτυα & Υπολογισμοί

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. Χρόνου (Ι)

ΑΝΑΛΥΣΗ 2. Μ. Παπαδημητράκης.

E[ (x- ) ]= trace[(x-x)(x- ) ]

Πανεπιστήμιο Πατρών Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών. Διάλεξη 12

E [ -x ^2 z] = E[x z]

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΡΓΑΣΙΑ 3 η Ημερομηνία Αποστολής στον Φοιτητή: 7 Ιανουαρίου 2008

Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου

HMY 795: Αναγνώριση Προτύπων

Στοχαστικά Σήματα και Τηλεπικοινωνιές

HMY 220: Σήματα και Συστήματα Ι

Στοχαστικά Σήματα και Τηλεπικοινωνιές

ΚΕΦΑΛΑΙΟ 9 ΕΙΣΑΓΩΓΗ ΣΤΑ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ ΤΑΥΤΟΧΡΟΝΩΝ (ΑΛΛΗΛΟΕΞΑΡΤΗΜΕΝΩΝ) ΕΞΙΣΩΣΕΩΝ

y(k) + a 1 y(k 1) = b 1 u(k 1), (1) website:

Τυχαία Διανύσματα και Ανεξαρτησία

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών

Ψηφιακές Τηλεπικοινωνίες. Πιθανότητα Σφάλματος για Δυαδική Διαμόρφωση

ΘΕΜΑ 1 ο. Α1. Θεωρία, στη σελίδα 260 του σχολικού βιβλίου (Θ. Fermat). Α2. Θεωρία, στη σελίδα 169 του σχολικού βιβλίου.

HMY 795: Αναγνώριση Προτύπων

Ψηφιακός Έλεγχος. 6 η διάλεξη Σχεδίαση στο χώρο κατάστασης. Ψηφιακός Έλεγχος 1

Αναλογικές και Ψηφιακές Επικοινωνίες

ΦΡΟΝΤΙΣΤΗΡΙΟ 11. β) τον εκτιμητή μέγιστης πιθανοφάνειας για την άγνωστη παράμετρο λ 0.

ΜΕΜ251 Αριθμητική Ανάλυση

ΑΝΑΛΥΣΗ 2. Μ. Παπαδημητράκης.

ΣΤΟΧΑΣΤΙΚΑ ΣΗΜΑΤΑ ΚΑΙ ΕΦΑΡΜΟΓΕΣ

Παρεμβολή & πρόγνωση άγνωστης συνάρτησης μέσω σημειακής προσαρμογής

Φίλτρα Kalman. Αναλυτικές μέθοδοι στη Γεωπληροφορική. ιατύπωση του βασικού προβλήματος. προβλήματος. μοντέλο. Πρωτεύων μοντέλο

ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Γ ΛΥΚΕΙΟΥ - ΠΑΠΑΔΟΠΟΥΛΟΣ ΜΑΡΙΝΟΣ ΠΕΡΙΕΧΟΜΕΝΑ. Τίτλος Θεματικές Ενότητες Σελίδες. Δυο λόγια προς τους μαθητές.

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών Σημάτων. Διάλεξη 20: Διακριτός Μετασχηματισμός Fourier (Discrete Fourier Transform DFT)

Παραδείγματα Διανυσματικοί Χώροι (3)

Βέλτιστη παρεμβολή και πρόγνωση άγνωστης συνάρτησης με τη μέθοδο της σημειακής προσαρμογής

Συστήματα Αυτομάτου Ελέγχου ΙΙ. Άσκηση. γραμμάτων του επιθέτου σας (π.χ. για το επίθετο Κοσματόπουλος, οι αριθμοί α ι θα είναι a

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 4 o Φροντιστήριο

Stochastic Signals Class Estimation Theory. Andreas Polydoros University of Athens Dept. of Physics Electronics Laboratory

ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ

Τι είναι πραγματική συνάρτηση πραγματικής μεταβλητής ;

HMY 799 1: Αναγνώριση Συστημάτων

Παρουσίαση 2 η : Αρχές εκτίμησης παραμέτρων Μέρος 1 ο

Θεώρημα κωδικοποίησης πηγής

Σχολή Ηλεκτρολόγων Μηχ/κών και Μηχ/κών Υπολογιστών, Ε.Μ.Π., Ακαδημαϊκό Έτος , 8ο Εξάμηνο. Ρομποτική II. Ευφυή και Επιδέξια Ρομποτικά Συστήματα

Δυαδικά Αντίποδα Σήματα. Προχωρημένα Θέματα Τηλεπικοινωνιών. Πιθανότητα Σφάλματος σε AWGN Κανάλι. r s n E n. P r s P r s.

Χ. Εμμανουηλίδης, 1

ιαγωνισµός στη µνήµη του καθηγητή: Βασίλη Ξανθόπουλου

ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ. Εργαστήριο 8 ο. Αποδιαμόρφωση PAM-PPM με προσαρμοσμένα φίλτρα

ΘΕΩΡΙΑ ΣΗΜΑΤΩΝ & ΣΥΣΤΗΜΑΤΩΝ Χώρος Κατάστασης. Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Μέθοδοι πολυδιάστατης ελαχιστοποίησης

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα

Χρονοσειρές, Μέρος Β 1 Πρόβλεψη Χρονικών Σειρών

ΜΕΜ251 Αριθμητική Ανάλυση

Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 2η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα

Σύνδεση με τα Προηγούμενα. Προχωρημένα Θέματα Τηλεπικοινωνιών. Εισαγωγή (2) Εισαγωγή. Βέλτιστος Δέκτης. παρουσία AWGN.

Περί ανώμαλων πινάκων συμ-μεταβλητοτήτων

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις περιόδου στο μάθημα ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ

Παραδείγματα Γραμμικοί Μετασχηματισμοί

X = = 81 9 = 9

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΡΓΑΣΙΑ 3 η Ημερομηνία Αποστολής στον Φοιτητή: 12 Ιανουαρίου 2009

Σήματα και Συστήματα. Διάλεξη 2: Στοιχειώδη Σήματα Συνεχούς Χρόνου. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής

Παραδείγματα Διανυσματικοί Χώροι Ι. Λυχναρόπουλος

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Σερρών Τμήμα Πληροφορικής & Επικοινωνιών Σήματα και Συστήματα

HMY 795: Αναγνώριση Προτύπων

HMY 799 1: Αναγνώριση Συστημάτων

Προχωρημένα Θέματα Συστημάτων Ελέγχου

Παραδείγματα (2 ο σετ) Διανυσματικοί Χώροι Επιμέλεια: Ι. Λυχναρόπουλος

Απειροστικός Λογισμός Ι, χειμερινό εξάμηνο Λύσεις πρώτου φυλλαδίου ασκήσεων.

HMY 799 1: Αναγνώριση Συστημάτων

Ψηφιακή Επεξεργασία Σήματος Coursework

Ο Αλγόριθµος της Simplex

HMY 102 Ανάλυση Ηλεκτρικών Κυκλωμάτων

Μέρος II. Στατιστική Συμπερασματολογία (Inferential Statistics)

HMY 795: Αναγνώριση Προτύπων

Όριο συνάρτησης στο x. 2 με εξαίρεση το σημείο A(2,4) Από τον παρακάτω πίνακα τιμών και τη γραφική παράσταση του παραπάνω σχήματος παρατηρούμε ότι:

ΓΡΑΠΤΗΣ ΕΡΓΑΣΙΑΣ. ΛΥΣΕΙΣ 3 ης. Άσκηση 1. , z1. Παρατηρούµε ότι: z0 = z5. = + ) και. β) 1 ος τρόπος: Έστω z = x+ iy, x, = x + y.

Εφαρμοσμένα Μαθηματικά ΙΙ Τελική Εξέταση 8/6/2017 Διδάσκων: Ι. Λυχναρόπουλος

ΚΕΦΑΛΑΙΟ 8 ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΤΙΣ ΕΠΕΞΗΓΗΜΑΤΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ

Σήματα και Συστήματα. Διάλεξη 13: Μελέτη ΓΧΑ Συστημάτων με τον Μετασχηματισμό Laplace. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής

Μέϑοδοι Εφαρμοσμένων Μαϑηματιϰών (ΜΕΜ 274) Φυλλάδιο 2

2 η Εργαστηριακή Άσκηση

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13

Διαχείριση Υδατικών Πόρων

Transcript:

HMY 799 : Αναγνώριση Συστημάτων Διαλέξεις 9 Insrumenal variable mehods συνέχεια Παραδείγματα Μέοδοι PEM, IV

ο u() είναι επίμονα διεγερτικό (persisenly exciing) τάξης n αν: ο όριο ϕ ( τ) = lim u ( + τ) u ( ) υπάρχει και: Φ uu uu = ϕ ()( ) ϕ () ( )... ϕ ( n ) ) uu uu uu ϕ () ϕ ()... ϕ ( n ) uu uu uu ( n) =............ ϕ ( n) ϕ ( n)... ϕ () uu uu uu Γκαουσιανός λευκός όρυβος: p.e. οποιασδήποτε τάξης καώς Βηματικό σήμα: p.e. τάξης n= μόνο Κρουστικό σήμα: δεν είναι p.e. για καμία τάξη Ιδιότητες μεόδων πρόβλεψης σφάλματος ετικά ορισμένος (posiive definie) Σύγκλιση Στάσιμα/εργοδικά σήματα V ( ) = ε (, ) V ( ), as = Η εκτίμηση ˆ συγκλίνει σε ελάχιστο σημείο της V ( ) για ακόμη και όταν το σύνολο είναι κενό Αν το σύνολο αυτό δεν είναι κενό, δηλ. υπάρχει ώστε y ( ) = Gq (, ) u ( ) + Hq (, ) e ( ), E{ e} = λ ( ) τότε η εκτίμηση PEM είναι συνεπής: ˆ, as ή ισοδύναμα ˆ D

Ασυμπτωτική κατανομή των εκτιμήσεων Αν το σύστημα είναι parameer idenifiable τότε η ασυμπτωτική κατανομή των εκτιμήσεων είναι κανονική και ισχύει: ( ˆ ) (, P ) as { (, ) (, ) P = λ E } ε (, ) ψ ψ ψ(, ) = λ ( ) = E{e } ˆ ˆ P = λ (, ) (, ) ψ ψ = ˆ λ = ε (, ) = Βασικοί τύποι σημάτων: Βηματικό σήμα Ψευδοτυχαίες δυαδικές ακολουίες (pseudorandom binarysequences) Διαδικασίες ARMA Άροισμα ημιτονοειδών σημάτων υχαία σήματα που πλησιάζουν το λευκό όρυβο Η επιλογή της εισόδου επηρεάζει σημαντικά την ποιότητα του εκτιμώμενου μοντέλου Καλύτερη (πιο ακριβής) για πιο «πλούσια» σήματα εισόδου (ιδανικά λευκός όρυβος) Πιο ακριβής εκτίμηση στη ζώνη συχνοτήτων στην οποία το σήμα εισόδου έχει το μεγαλύτερο μέρος της ενέργειάς του

Ελάχιστα τετράγωνα: A ( qy ) () = B( qu ) () + e() A( qy ) () = Bqu ( ) () + ε () y () = φ () = +ε + e() y() φ () () Αληινό σύστημα ˆ = () () () y() φ φ φ = = = = ˆ = () () () e () φ φ φ Μοντέλο E{ φ( ) e ( )} = συχνά δεν ισχύει στην πράξη Μέοδοι πρόβλεψης σφάλματος (μοντελοποίηση του ορύβου) Υπολογιστικά πιο πολύπλοκες Μέοδοι συμβαλλουσών μεταβλητών (Insrumenal variable mehods) Απλούστερες υπολογιστικά, λιγότερο ισχυρές ως προς τις ιδιότητες Κρατάμε τη γενική δομή ελάχιστων τετραγώνων Βασική ιδέα: Εύρεση z() διάστασεων dx ώστε E{ z() ε ()} = = z( ) ε ( ) = z( )[ y( ) φ ( ) ] = = = ˆ ZΦ Zy Zy ZΦ ( ) = ˆ = () () () y() z φ = z =

Επιλογή του z() : () α z,ε πρέπει να είναι ασυσχέτιστα, δηλ. E{ z() ε ()} = () Ο πίνακας () ZΦ = z φ () E{() z φ ()} = α πρέπει να είναι πλήρους βαμού (full rank) άρα αντιστρέψιμος Συνήως: z( ) = [ n( )... n( n ) u( )... u( n )] Βασική μέοδος IV Γενική μέοδος IV a Cqn ( ) ( ) = Dqu ( ) ( ) Στην απλούστερη περίπτωση: z( ) = [ u( )... u( n )... u( n n )] Λύση: min i z() ( ) ε () ) = min z( Fq ) ( ) ε ( ) = = Q ˆ = RQR RQr = = x R z() Fq ( ) φ () r = Q z() Fqy ( ) () Ιδιότητες των εκτιμήσεων: ˆ = RQR RQq q = z() Fqe ( ) () = x Qx b a a b = φ y ( ) = ( ) + e( ), e( ) = Hqe ( ) ( ) Ee { ( )} = λ = Ασυμπτωτικά: ˆ = RQR RQq R = lim R = E{() z Fq ( ) φ ()} q= lim q = E{ z( Fqe ) ( ) ( )}

Mέοδος συμβαλλουσών μεταβλητών (IV mehod): Συνέπεια και ασυμπτωτική συμπεριφορά Για συνεπή εκτίμηση λοιπόν ( lim = ) Ο πίνακας R πρέπει να είναι πλήρους βαμού (full rank) E{() z F() q e ()} = Αν ισχύουν, κανονική ασυμπτωτική κατανομή του σφάλματος: ( ˆ ) (, P IV ) as PIV = λ R QR R QSQR R QR [ ][ ] S= E{ FqHq ( ) ( ) z( ) FqHq ( ) ( ) z( ) } ˆ ˆ = RQR RQq Σημείωση: Όταν υπολογίζουμε τον πίνακα R αρκεί να πάρουμε το κομμάτι εκείνο του διανύσματος φ() που είναι ασυσχέτιστο με το όρυβο, καώς επιλέγουμε το διάνυσμα των insrumens ώστε να είναι ασυσχέτιστα με το όρυβο, δηλαδή: R = E{() z Fq () φ ()} όπου φ () το κομμάτι που είναι ασυσχέτιστο με το όρυβο. Στην πράξη: Έστω το σύστημα ARX: Aq ( ) y ( ) = Bqu ( ) ( ) + e ( ) ότε: φ() = [ y ( )... y ( n) u ( )... u ( n)] a b φ ( ) = [ x ( )... x ( n ) ( )... ( a u u n b)] όπου: A( qx ) ( ) = Bqu ( ) ( )

Mέοδος συμβαλλουσών μεταβλητών (IV mehod): Συνέπεια και ασυμπτωτική συμπεριφορά Σημείωση: Ακόμη και όταν το αληινό σύστημα δεν συμπεριλαμβάνεται στο σύνολο μοντέλων που εξετάζονται, η εκτίμηση συγκλίνει σε κάποιο ελάχιστο της συνάρτησης κόστους, δηλ: = arg min E{ z( ) F( q) φ ( )} E{ z( ) F( q) y( )} * Για διάσταση του z ίση με d, η εκτίμηση στο όριο είναι: = R r * όπου R = E {() z F () q φ φ ()} r = E{() z F() q y()} Και σε αυτή την περίπτωση έχουμε ασυμπτωτικά κανονική κατανομή, δηλ: ˆ * ( ) (, P IV ) as P IV = λ R S R S * * = lim E () Fq ( ){ y () () } ( sfq ) ( ){ ys ( ) ( s) } z φ = z φ s= Δύσκολο να εξάγουμε αναλυτική κατανομή αν dim(z)>d Q Παράδειγμα 8.5 85(Sodersrom and Soica)

Βέλτιστη μέοδος συμβαλλουσών μεταβλητών (opimal IV mehod) Υπενύμιση: Η μέοδος PE (predicion error) είναι στατιστικά αποτελεσματική (saisically efficien) για Γκαουσιανές διαταραχές, δηλαδή έχει τη μικρότερη διακύμανση από όλες τις πιανές εκτιμήσεις Άρα, γενικά: PIV PPEM Ερώτηση: Για τη μέοδο IV, υπάρχει κάποια επιλογή του διανύσματος z που να ελαχιστοποιεί τη διακύμανση των εκτιμήσεων, δηλ: P P P IV IV, op PEM Η επιλογή αυτή οδηγεί στη βέλτιστη μέοδο IV και είναι η ακόλουη: z() = H ( q) φ () είναι δηλαδή το μέρος του διανύσματος φ που είναι ασυσχέτιστο με το όρυβο, φιλτραρισμένο από το αντίστροφο της συνάρτησης μεταφοράς Η(q) η οποία συνδέει το όρυβο με τη λευκή διαδικασία e(). y ( ) = φ ( ) + e( ), e( ) = Hqe ( ) ( ) Ee { ( )} = λ Άρα συγκρίνοντας με τη γενική μέοδο IV, δηλ. F( q) = H ( q) Q= I min z ( Fq ) ( ) ε ( ) = Q έχουμε: Ο πίνακας συνδιακύμανσης γίνεται τότε: { } P IV op E H q φ H q φ, = λ ( ) () ( ) ()

Βέλτιστη μέοδος συμβαλλουσών μεταβλητών (opimal IV mehod) ο εωρητικό αποτέλεσμα αυτό απαιτεί γνώση τόσο της αδιατάρακτης εισόδου για τον υπολογισμό του φ (), της διακύμανσης του ορύβου λ όσο και της συνάρτησης μεταφοράς H(q). Στην πράξη αυτές οι ποσότητες είναι άγνωστες, οπότε πρέπει να τις προσεγγίσουμε. Αυτό μπορεί να γίνει επαναληπτικά (near opimal IV esimaion) ως εξής: Παίρνουμε την απλή λύση ελάχιστων τετραγώνων: Εφαρμογή εκτίμησης IV με insrumens: () () () z ( ) = [ x ( )... x ( na) u ( )... u ( nb)] όπου: B x u () () ˆ () () = () () A Εκτίμηση της Η(q). Υποέτουμεμοντέλο μοντέλο AR μεταξύ της λευκής διαδικασίας e() και του () σήματος vˆ () όπου: () () () vˆ () = A ( q) y() B ( q) u() δηλ. () ˆ ˆ Lqv ( ) ˆ ( ) = e ( ) L ( q ) = H ( q ) (παίρνουμε εκτίμηση της H(q)) Εφαρμογή εκτίμησης IV με F( q) = Lˆ ( q) και διάνυσμα insrumens: () ˆ ˆ () () z ( ) = L( q) φ ( ) = L( q)[ x ( )... x ( na) u( )... u( nb)] () () B ˆ (3) x () = u() () A Η εντολή iv4 (HW4) στο Malab υλοποιεί αλγόριμο αυτής της μορφής