Différentes méthodes basées sur les Statistiques d'Ordre Supérieur (SOS) ont été proposées récemment pour l'identification de modèles AR, MA et ARMA. Cet article a pour objet de présenter de manière unifiée les principales méthodes, à l'aide de tableaux indiquant les relations de base sur lesquelles s'appuient ces méthodes, l'information SOS utilisée, les paramètres estimés ainsi que la dimension du système d'équations résolu par chacune de ces méthodes. Une analyse des performances des différents algorithmes considérés a été réalisée à partir d'exemples simulés
Le problème de l'identification de systèmes linéaires variables dans le temps est résolu à l'aide de...
Les modèles de Volterra sont très utilisés dans de nombreux domaines d'application. Le principal inc...
Cet article a pour principal objectif l’analyse d’un système afin d’estimer et d’évaluer la performa...
Après un bref historique du problème et une revue des principales méthodes d'identification de modèl...
L' estimation des paramètres MA est la partie la plus dificile en modelization ARMA. Tandis qu' il y...
Le travail présenté dans cette thèse concerne d'une part, le problème de séparation aveugle de sourc...
Le développement des études d'impact a nécessité l'élaboration le nombreux modèles dynamiques et leu...
Le développement des études d'impact a nécessité l'élaboration le nombreux modèles dynamiques et leu...
NonWOSCet article traite du problème d'estimation des paramètres de systèmes non linéaires à temps c...
L'analyse des séries temporelles ou du signal a fait jusqu'à présent un usage presqu'exclusif de mod...
Le présent article développe une approche permettant d'évaluer les erreurs statistiques commises su...
Le présent article développe une approche permettant d'évaluer les erreurs statistiques commises su...
L'identification d'un processus ARMA (auto-regressive-moving average) consiste à déterminer ses ordr...
International audienceUne nouvelle approche d'identification des systèmes d'ordre non entiers est pr...
L'objet de cette communication est d'étudier les propriétés statistiques (biais, variance) d'un esti...
Le problème de l'identification de systèmes linéaires variables dans le temps est résolu à l'aide de...
Les modèles de Volterra sont très utilisés dans de nombreux domaines d'application. Le principal inc...
Cet article a pour principal objectif l’analyse d’un système afin d’estimer et d’évaluer la performa...
Après un bref historique du problème et une revue des principales méthodes d'identification de modèl...
L' estimation des paramètres MA est la partie la plus dificile en modelization ARMA. Tandis qu' il y...
Le travail présenté dans cette thèse concerne d'une part, le problème de séparation aveugle de sourc...
Le développement des études d'impact a nécessité l'élaboration le nombreux modèles dynamiques et leu...
Le développement des études d'impact a nécessité l'élaboration le nombreux modèles dynamiques et leu...
NonWOSCet article traite du problème d'estimation des paramètres de systèmes non linéaires à temps c...
L'analyse des séries temporelles ou du signal a fait jusqu'à présent un usage presqu'exclusif de mod...
Le présent article développe une approche permettant d'évaluer les erreurs statistiques commises su...
Le présent article développe une approche permettant d'évaluer les erreurs statistiques commises su...
L'identification d'un processus ARMA (auto-regressive-moving average) consiste à déterminer ses ordr...
International audienceUne nouvelle approche d'identification des systèmes d'ordre non entiers est pr...
L'objet de cette communication est d'étudier les propriétés statistiques (biais, variance) d'un esti...
Le problème de l'identification de systèmes linéaires variables dans le temps est résolu à l'aide de...
Les modèles de Volterra sont très utilisés dans de nombreux domaines d'application. Le principal inc...
Cet article a pour principal objectif l’analyse d’un système afin d’estimer et d’évaluer la performa...