nach oben

vorheriges Kapitel Conceptual Model Engineering for Industrial Saf...

nächstes Kapitel Aggregation on Learning to Rank for Consumer He...

Tipp

Weitere Kapitel dieses Buchs durch Wischen aufrufen

2020 | OriginalPaper | Buchkapitel

Nonlinearity Estimation of Digital Signals

Erstes Kapitel lesen

Autor: Kiril Alexiev

Verlag: Springer International Publishing

Erschienen in: Modelling and Development of Intelligent Systems

» Jetzt Zugang zum Volltext erhalten

Abstract

Assessing the nonlinearity of one signal, system, or dependence of one signal on another is of great importance in the design process. The article proposes an algorithm for simplified nonlinearity estimation of digital signals. The solution provides detailed information to constructors about existing nonlinearities, which in many cases is sufficient to make the correct choice of processing algorithms. The programming code of the algorithm is presented and its implementation is demonstrated on a set of basic functions. Several steps to further development of the proposed approach are outlined.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Jetzt einloggen Kostenlos registrieren

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 69.000 Bücher
über 500 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Umwelt
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 50.000 Bücher
über 380 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Umwelt
Maschinenbau + Werkstoffe

Testen Sie jetzt 30 Tage kostenlos.

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 58.000 Bücher
über 300 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Jetzt informieren

Haykin, S.: Signal processing in a nonlinear, nongaussian, and nonstationary world. In: Chollet, G., Esposito, A., Faundez-Zanuy, M., Marinaro, M. (eds.) NN 2004. LNCS (LNAI), vol. 3445, pp. 43–53. Springer, Heidelberg (2005). https://doi.org/10.1007/11520153_3 CrossRef

http://www.17centurymaths.com/contents/taylorscontents.html

Xiong, X.Y.Z., Jiang, L.J., Schutt-Aine, J.E., Chew, W.C.: Volterra series-based time-domain macromodeling of nonlinear circuits. IEEE Trans. Compon. Packag. Manuf. Technol. 7(1), 39–49 (2017). https://doi.org/10.1109/TCPMT.2016.2627601 CrossRef

Roweis, S.T., Ghahramani, Z.: Learning nonlinear dynamical system using the expectation-maximization algorithm. In Haykin, S. (ed.) Kalman Filtering and Neural Networks, First published: 01 October 2001. Wiley, Hoboken (2001). https://doi.org/10.1002/0471221546.ch6, https://cs.nyu.edu/~roweis/papers/nlds.pdf

Bar-Shalom, Y., Forthmann, T.: Tracking and Data Association. Academic Press, San Diego (1988)

Bar-Shalom, Y. (ed.): Multitarget-Multisensor Tracking: Advanced Applications. Norwood, Chicago (1990)

Bar-Shalom, Y., Li, X.R.: Multitarget-Multisensor Tracking: Principles and Techniques. Artech House, Boston (1993)

Li, X.R.: Engineers’ Guide to Variable-Structure Multiple-Model Estimation and Tracking (2000). http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.61.8701&rep=rep1&type=pdf

Blom, H.A.P., Bloem, E.A.: Joint IMM and coupled PDA to track closely spaced targets and to avoid track coalescence. In: Proceedings of the Seventh International Conference on Information Fusion, pp. 130–137 (2005)

10.

Beale, E.M.L.: Confidence regions in non-linear estimation. J. Roy. Stat. Soc. Ser. B (Methodol.) 22(1), 41–88 (1960) MathSciNetMATH

11.

Desoer, C.A., Wang, Y.T.: Foundations of feedback theory for nonlinear dynamical systems. IEEE Trans. Circ. Syst. 27(2), 104–123 (1980) MathSciNetCrossRef

12.

Bates, D.M., Watts, D.G.: Relative curvature measures of nonlinearity. J. Roy. Stat. Soc.: Ser. B (Methodol.) 42(1), 1–25 (1980). Wiley for the Royal Statistical Society. https://www.jstor.org/stable/2984733 MathSciNetMATH

13.

Emancipator, K., Kroll, M.H.: A quantitative measure of nonlinearity. Clin. Chem. 39(5), 766–772 (1993) CrossRef

14.

Tugnait, J.K.: Testing for linearity of noisy stationary signals. IEEE Trans. Signal Process. 42(10), 2742–2748 (1994) CrossRef

15.

Allgower, F.: Definition and Computation of a Nonlinearity Measure. IFAC Nonlinear Control Systems Design, Tahoe City, California, USA (1995)

16.

Helbig, A., Marquardt, W., Allgower, F.: Nonlinearity measures: definition, computation and applications. J. Process Control 10, 113–123 (2000) CrossRef

17.

Barnett, A.G., Wolff, R.C.: A time-domain test for some types of nonlinearity. IEEE Trans. Signal Process. 53(1), 26–33 (2005) MathSciNetCrossRef

18.

Hosseini, S.M., Johansen, T.A., Fatehi, A.: Comparison of nonlinearity measures based on time series analysis for nonlinearity detection. Model. Identif. Control 32(4), 123–140 (2011). ISSN 1890-1328 CrossRef

19.

Haber, R.: Nonlinearity test for dynamic process. In: IFAC Identification and system Parameter Estimation (1985)

20.

Smith, R.: A mutual information approach to calculating nonlinearity. The ISI’s Journal for the Rapid Dissemination of Statistics Research. https://doi.org/10.100X/sta.0000, ( http://wileyonlinelibrary.com)

21.

Liu, Y., Li, X.R.: Measure of nonlinearity for estimation. IEEE Trans. Signal Process. 63(9), 2377–2388 (2015) MathSciNetCrossRef

22.

Shi, W., Cheung, C.: Performance evaluation of line simplification algorithms for vector generalization. Cartographic J. 43(1), 27–44 (2006) CrossRef

23.

Kotchoni, R.: Detecting and measuring nonlinearity. MDPI, Econometrics 6, 37 (2018). https://doi.org/10.3390/econometrics6030037 CrossRef

Titel

Nonlinearity Estimation of Digital Signals

Buch

Modelling and Development of Intelligent Systems

Print ISBN: 978-3-030-39236-9

Electronic ISBN: 978-3-030-39237-6

https://doi.org/10.1007/978-3-030-39237-6

DOI

https://doi.org/10.1007/978-3-030-39237-6_5

Autor:

Kiril Alexiev

Verlag

Springer International Publishing

Sequenznummer

Premium Partner

Bildnachweise