[論文レビュー] Generation of new exciting regressors for consistent on-line estimation for a scalar parameter.

Alexey Bobtsov, Bowen Yi+2 more|arXiv (Cornell University)|Apr 6, 2021

Control Systems and Identification被引用数 6

ひとこと要約

本論文は、元の回帰子が十分な励起を欠く場合に、スカラー係数の一貫したオンライン推定のための新しい、興味深い回帰子を生成するための新規手法を提案する。元の回帰子をこの人工的に生成されたものに置き換えることで、古典的勾配推定器の性能が著しく向上することが、包括的なシミュレーションによって示された。

ABSTRACT

In this paper the problem of estimation of a single parameter from a linear regression equation in the absence of sufficient excitation in the regressor is addressed. A novel procedure to generate a new exciting regressor is proposed. The superior performance of a classical gradient estimator using this new regressor, instead of the original one, is illustrated with comprehensive simulations.

研究の動機と目的

• 元の回帰子が十分な励起を欠く場合に生じる線形回帰におけるパラメータ推定の不一致の問題に対処すること。
• 持続的励起を保証する新しい回帰子を体系的に生成する手順を開発すること。
• オンラインパラメータ推定設定における古典的勾配推定器の性能を向上させること。
• 広範なシミュレーションを通じて、新しい回帰子の優位性を示すこと。

提案手法

• 元のデータから新しい回帰子を生成する変換または生成プロセスを導入し、持続的励起を保証する。
• 生成された回帰子は、オンライン推定におけるパラメータの一貫性に必要な条件を満たすように設計されている。
• アプローチは古典的勾配推定器に適用され、推定アルゴリズム内で元の回帰子を新しいものに置き換える。
• パラメータの事前知識を必要とせず、元の回帰子の構造とその時間履歴にのみ依存する。
• 生成プロセスは計算的に効率的であり、リアルタイムのオンライン応用に適している。
• 理論的一致性は、収束の向上と推定誤差の低減を示すシミュレーション結果によって裏付けられている。

実験結果

リサーチクエスチョン

• RQ1 元の回帰子が十分に励起されていない場合に、どのようにして持続的励起を保証する新しい回帰子を生成できるか？
• RQ2 新しい回帰子は、オンライン環境下での古典的勾配推定器の一貫性と収束性にどのような影響を与えるか？
• RQ3 パラメータの事前知識が不要な状況で、提案手法が推定精度を向上させられるか？
• RQ4 さまざまな励起条件下で、元の回帰子と新しい回帰子における勾配推定器の性能はどのように比較されるか？

主な発見

• 提案手法は、元の回帰子がそれを満たさない場合でも、持続的励起を保証する新しい回帰子を効果的に生成できた。
• 新しい回帰子を用いた古典的勾配推定器は、元の推定器が失敗する状況でも一貫したパラメータ推定を達成した。
• シミュレーションにより、新しい回帰子を用いることで推定精度と収束速度が著しく向上することが確認された。
• 本手法はさまざまな励起状況に対してロバストであり、パラメータ固有のチューニングを必要とせずに性能を維持した。
• 生成された回帰子は、従来は問題視されていた低励起環境でも安定したオンライン推定を可能にした。
• 結果から、新しい回帰子は推定の一貫性と信頼性の観点で元のものよりも優れていることが確認された。