Paper Info
Title
On the singular value decomposition, applied in the analysis and prediction of almost periodic signals
Abstract
Les signaux de nature périodique sont communs à divers domaines et il est souvent nécessaire pour de tels signaux de disposer d'une prédiction d'un cycle. Les modèles ARIMA ont été utilisé dans le passé pour ce travail. Cette approche a néanmoins le problème de la détermination correcte de l'ordre et de l'estimation des paramètres. Les performances souffrent en particulier de dégradations en présence de bruit, entrainant un manque de robustesse. La stabilité numérique pose également un problème, qui peut être éliminer en utilisant des méthodes de calcul intensif. De plus, étant conçu pour une prédiction à un pas, de tels modèles ont en conséquence de faibles performances pour la prédiction à un cycle. Cet article analyse presque tout les signaux périodiques en utilisant la décomposition en valeur singulière et propose un nouvel algorithme, basé sur cette analyse, pour la prédiction de tels signaux. La performance de l'algorithme pour la prédiction de nombreux signaux réels ainsi que les séries temporelles ARIMA est équitable satisfaisante. Sa performance est comparée avec celle de la méthode de Box-Jenkins pour la prédiction à un cycle avec et sans bruit blanc gaussien additif, et s'avére être favorable.
Year
DOI
Venue
1994
10.1016/0165-1684(94)90073-6
Signal Processing
Keywords
Field
DocType
ALMOST PERIODIC SIGNAL, SINGULAR VALUE DECOMPOSITION, SINGULAR VALUE, DATA WINDOW MATRIX, MEASURE OF APERIODICITY, PREDICTION, MEAN SQUARED ERROR
Periodic function,Singular value decomposition,Autoregressive model,Mathematical optimization,Singular value,Control theory,Signal-to-noise ratio,Robustness (computer science),Estimation theory,Additive white Gaussian noise,Mathematics
Journal
Volume
Issue
ISSN
40
2-3
Signal Processing
Citations 
PageRank 
References 
2
0.69
6
Authors
2
Name
Order
Citations
PageRank
Sarbani Palit13613.86
P P Kanjilal26619.54