[論文レビュー] Linear System Identification via Atomic Norm Regularization

Parikshit Shah, Badri Narayan Bhaskar+2 more|arXiv (Cornell University)|Apr 3, 2012

Control Systems and Identification参考文献 15被引用数 8

ひとこと要約

本稿では、単極フィルタに基づくアトムノルム正則化を用いた凸最適化フレームワークを導入し、限られたノイズの多い測定値から線形システム同定を可能にする。この手法は、H₂-ノルムにおいて漸近的整合性ときめ細かい誤差バインディングを達成し、ℓ₁-近似を用いた計算効率と、推定誤差がシステム安定性、McMillan次数、測定回数にどのように関連するかを理論的に保証する。

ABSTRACT

This paper proposes a new algorithm for linear system identification from noisy measurements. The proposed algorithm balances a data fidelity term with a norm induced by the set of single pole filters. We pose a convex optimization problem that approximately solves the atomic norm minimization problem and identifies the unknown system from noisy linear measurements. This problem can be solved efficiently with standard, freely available software. We provide rigorous statistical guarantees that explicitly bound the estimation error (in the H_2-norm) in terms of the stability radius, the Hankel singular values of the true system and the number of measurements. These results in turn yield complexity bounds and asymptotic consistency. We provide numerical experiments demonstrating the efficacy of our method for estimating linear systems from a variety of linear measurements.

研究の動機と目的

• 限られたノイズの多い入出力測定値から線形時不変システムを同定する、整合的かつ計算的に効率的な手法の開発。
• 特に有限標本性能やノイズおよびモデル不一致への感受性に関して、既存のシステム同定手法に統計的保証が欠如している問題に対処する。
• アトムノルム正則化によってMcMillan次数を小さくすることを促進することで、低複雑性のモデルを促進する凸最適化フレームワークを提供する。
• システム安定性半径、ハンケル特異値、測定回数に明示的に依存するH₂-ノルムにおける厳密な誤差バインディングを確立する。
• システム次数が事前に分かっていない状況や小標本サイズ下でも、従来の部分空間同定法を上回る性能を示す。

提案手法

• 本手法は、単極伝達関数によって誘導されるアトムノルムで正則化された最小二乗誤差適合項を最小化する凸最適化問題としてシステム同定を定式化する。
• アトムノルムがハンケル核ノルムに等価であることが示され、システム複雑性および安定性との理論的関連が確立される。
• 無限次元のアトムノルムは、極空間をグリッド上で離散化することで有限次元のℓ₁正則化問題に近似され、標準ソルバを用いた効率的解法が可能になる。
• 測定モデルは、周波数応答の等間隔サンプリングを仮定し、ノイズはサブガウス型とモデル化され、確率的誤差解析が可能になる。
• 凸解析とε-ネットの議論を用いて、測定誤差をノイズ統計およびアトム集合の幾何構造の観点からバインディングする。
• 極、入力、出力でパラメータ化された有理伝達関数の適切なアトム集合を定義することで、MIMOシステムへのフレームワークの拡張が行われる。

実験結果

リサーチクエスチョン

• RQ1 アトムノルム正則化は、有限でノイズの多い測定値と明示的な誤差バインディングを備えた整合的システム同定を可能にするか？
• RQ2 推定誤差は測定回数、システム安定性半径、McMillan次数にどのように依存するか？
• RQ3 データが不足している状況やシステム次数が未知の状況で、本手法は従来の部分空間同定法を上回る性能を示せるか？
• RQ4 アトムノルムアプローチは計算的に実行可能でスケーラブルであるか、特に半定値計画法と比較してどうか？
• RQ5 統計的整合性と計算効率を保ちつつ、MIMOシステムへ拡張可能か？

主な発見

• 提案手法は、H₂-ノルムにおいて漸近的整合性を達成し、定期的サンプリング下で誤差バインディングがO(√(log m)/m)のオーダーで減少することが保証される（mは測定回数）。
• 誤差バインディングはシステムの安定性半径およびハンケル特異値に明示的に依存し、システムの複雑性と安定性が推定精度に与える影響が定量的に評価される。
• 数値実験では、測定回数が少ない（10–50）場合に、本手法（DAST）が部分空間同定法を著しく上回ることが示された。特に真のシステム次数が未知の状況で顕著である。
• 部分空間同定法とは異なり、本手法はシステム次数の事前知識を必要とせず、モデル次数が誤って指定された場合に急激に性能が低下する問題を回避する。
• アトムノルム正則化は、グリッド上のℓ₁近似により計算的に実用的であり、半定値計画法の超線形的複雑性を回避する。
• 理論的解析により、近似的に最適な推定誤差レートが達成され、アトム集合の幾何的解析の精緻化によりさらなる改善が可能であると確認された。