参数估计的最小总误差熵方法

在变量误差（EIV）系统/模型中，假定输入数据和输出数据都被噪声污染。 对于EIV系统的参数估计问题，总最小二乘法（TLS）是一种经典且广泛使用的方法。 TLS方法基于最小化平方总误差，因此在噪声为非高斯噪声时无法充分利用数据中的所有可能信息。 在非高斯情况下，误差熵准则（EEC）和基于EEC的最小误差熵（MEE）方法在先前的研究中已显示出其优越性。 但是，传统的MEE方法在估计时仅考虑无噪声的输入数据。 因此，当将其应用于EIV系统时，将导致次优解决方案。 在这项工作中，我们提出了总误差熵准则（TEEC）和相应的名为最小总误差熵（MTEE）的方法，该方法另外考虑了输入数据中是否存在噪声。 此外，我们从理论上对所提出的方法进行局部稳定性分析，并为确保局部稳定性而对步长进行了限制。 仿真结果证实了MTEE的有效性。 当噪声为非高斯噪声时，与TLS和MEE相比，它具有更高的性能。