Nonparametric System Identification

Présentant un aperçu complet des fondements théoriques de l’identification de systèmes non paramétriques pour les systèmes orientés blocs non linéaires, ce livre montre que la régression non paramétrique peut être appliquée avec succès à l’identification de systèmes, et il met en évidence les réalisations dans ce domaine. En mettant l’accent sur les systèmes de Hammerstein Wiener et leurs extensions multidimensionnelles, les auteurs montrent comment identifier les sous-systèmes non linéaires et leurs caractéristiques lorsqu’il existe des informations limitées. Les algorithmes utilisant les séries trigonométriques de Legendre, Laguerre et Hermite sont étudiés et l’algorithme du noyau, ses versions semi-récursives et ses modifications entièrement récursives sont couverts. Les théories modernes de la régression non paramétrique, de l’approximation et des expansions orthogonales, ainsi que de nouvelles approches de l’identification des systèmes (y compris l’identification semi-paramétrique) sont fournies. Des informations détaillées sur tous les outils utilisés sont fournies dans les annexes. Ce livre s’adresse aux chercheurs et aux praticiens de la théorie des systèmes, du traitement du signal et des communications et s’adressera aux chercheurs dans des domaines tels que la mécanique, l’économie et la biologie, où les données expérimentales sont utilisées pour obtenir des modèles de systèmes. Langue : Anglais