Multi-innovation Extended Stochastic Gradient Algorithm and Its Performance Analysis
Multi-innovation Extended Stochastic Gradient Algorithm and Its Performance Analysis
复制标题
多创新扩展随机梯度算法及其性能分析
DOI：
10.1007/s00034-010-9174-8
复制
发表时间：
2010-03
期刊：
影响因子：
--
通讯作者：
Ding, Feng
中科院分区：
文献类型：
--
作者：
Liu, Yanjun;Yu, Li;Ding, Feng
This paper derives the multi-innovation extended stochastic gradient algorithm for controlled autoregressive moving average models by expanding the scalar innovation to an innovation vector and analyzes its performance in detail. Four convergence theorems are given for the multi-innovation extended stochastic gradient algorithm to show that the parameter estimates converge to their true values under the weak persistent excitation condition. The simulation results show that the proposed algorithm can produce more accurate parameter estimates than the traditional extended stochastic gradient algorithm.
登录
查看更多内容
DOI：
--
发表时间：
--
期刊：
Comput. Math. Appl.
影响因子：
--
作者：
Lili Han;F. Ding
通讯作者：
Lili Han;F. Ding
DOI：
--
发表时间：
2007
期刊：
Science Technology and Engineering
影响因子：
--
作者：
Zhang Jia-bo
通讯作者：
Zhang Jia-bo
DOI：
10.1016/j.sysconle.2008.08.005
发表时间：
2009
期刊：
Syst. Control. Lett.
影响因子：
--
作者：
Jiabo Zhang;F. Ding;Yang Shi
通讯作者：
Jiabo Zhang;F. Ding;Yang Shi
DOI：
10.1109/imtc.2008.4547317
发表时间：
2008-05
期刊：
2008 IEEE Instrumentation and Measurement Technology Conference
影响因子：
--
作者：
Li Yu;F. Ding;P. X. Liu
通讯作者：
Li Yu;F. Ding;P. X. Liu
DOI：
10.1016/j.sigpro.2009.03.020
发表时间：
2009-10
期刊：
Signal Process.
影响因子：
--
作者：
F. Ding;P. X. Liu;Guangjun Liu
通讯作者：
F. Ding;P. X. Liu;Guangjun Liu