徳島大学 教育・研究者情報データベース(EDB)

1. 徳島大学

1. 池田 建司([徳島大学.大学院社会産業理工学研究部.理工学域.知能情報系.知能工学分野]/[徳島大学.理工学部.理工学科.情報光システムコース.知能工学講座])

   役割	任意
   貢献度	任意
   学籍番号	推奨

2. (英) Oku Hiroshi

   役割	任意
   貢献度	任意
   学籍番号	推奨

(英) Asymptotic Properties of Bias Compensated State Space Model Identification Method

(日) バイアス補償型部分空間同定法の漸近的性質

(英) The authors proposes a bias-compensated state space model identification (BCSS) method in order to relax the order of the persistent excitation (PE) condition. Most of the subspace identification methods utilize instrumental variable (IV) to obtain an unbiased estimate while the proposed method introduces a bias compensation technique to the Ordinary MOESP type method. In this paper, S/N ratios of certain matrices in the proposed method and the PI-MOESP method are analyzed and compared. It is shown that the S/N ratio in the proposed method is better than that in the PI-MOESP method especially when a pole of the plant is near 1 and the number of the block rows of the IV matrix is small.

(日) 筆者らは，PE条件の次数を軽減するためバイアス補償型部分空間同定法(BCSS)を提案する．ほとんどの部分空間同定法は補助変数行列を用いて不偏推定値を得ているが，提案手法ではバイアス補償の考えをOrdinary MOESP法に適用する．本論文では，提案手法とPI-MOESP法におけるある行列のS/N比を解析，比較する．特に対象が1の近くに極をもつとき，提案手法のS/N比はPI-MOESPのそれよりも良く，補助変数行列の行のサイズは小さくて済む．

1. (英) Identification algorithm
2. (英) Subspace methods
3. (英) Asymptotic analysis
4. (英) S/N ratio