线性系统辨识中的最优居中主动激励
Optimal Centered Active Excitation in Linear System Identification
精选理由
为线性系统辨识提供样本复杂度最优且计算高效的主动激励方法。
AI 摘要
arXiv:2604.05518v2 公告类型：replace-cross 摘要：我们提出了一种用于线性系统辨识的主动学习算法，采用最优的居中噪声激励。值得注意的是，我们的算法基于普通最小二乘和半定规划，在能够高效计算系统矩阵估计值的同时，实现了最小样本复杂度。更具体地说，我们首先建立了任意主动学习算法在达到预设精度和置信水平时所需样本复杂度的下界。随后，我们推导出所提算法的样本复杂度上界，该上界与任意算法的下界仅相差通用因子。我们的紧致界易于解释，并明确展示了其对状态维数等系统参数的依赖关系。