Mixture-based extension of the AR model and its recursive Bayesian identification

0411452 - UTIA-B 20050182 RIV US eng J - Journal Article
Šmídl, Václav - Quinn, A.
Mixture-based extension of the AR model and its recursive Bayesian identification.
[Směsové rozšíření AR modelu a jeho rekurzivní Bayesovské odhadování.]
IEEE Transactions on Signal Processing. Roč. 53, č. 9 (2005), s. 3530-3542. ISSN 1053-587X. E-ISSN 1941-0476
R&D Projects: GA AV ČR IBS1075102; GA ČR GA102/03/0049; GA MŠMT 1M0572
Institutional research plan: CEZ:AV0Z10750506
Keywords : AR model * Bayesian identification * Variational Bayes
Subject RIV: BC - Control Systems Theory
Impact factor: 1.820, year: 2005

An extension of the AutoRegressive (AR) model is studied, which allows transformations and distortions on the regressor to be handled. It is shown that Bayesian identification and prediction of EAR model does, however, require that the transformation be known. When it is unknown, the associated transformation space is represented by a finite set of candidates. An approximate identification algorithm for MEAR is developed, and applied to identification of signal in burst noise and speech reconstruction.

Základní autoregresní (AR) model je rozšířen o možnost transformace regresoru, která umožní modelování různých zkreslení AR modelu. Pokud je tato transformační funkce známa je odhad rozšířeného modelu stejný jako odhad AR modelu. V tomto příspěvku se zabýváme reprezentací neznámé transformační funkce pomocí konečné množiny konkrétních funkcí. Je zde prezentován aproximativní algoritmus odhadu takovéhoto směsového modelu a jeho aplikace pro rekonstrukci zašuměného signálu.
Permanent Link: http://hdl.handle.net/11104/0131533