0411297 20240103182316.420060210235959.9 9 s. cav_un_epca*02576420167-6911544 (2005)315-323Elsevier Bayesian estimation probabilistic mixtures recursive estimation cav_un_auth*0213164 Šmídl V. IE cav_un_auth*0213165 Anthony Q. IE cav_un_auth*0101124 Kárný Miroslav UTIA-B Department of Adaptive Systems Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101092 Guy Tatiana Valentine UTIA-B Department of Adaptive Systems Ústav teorie informace a automatizace AV ČR, v. v. i. http://library.utia.cas.cz/separaty/historie/karny-robust estimation of autoregressive processes using a mixture-based filter-bank.pdf 09I IBS1075351 GA AV ČR cav_un_auth*0001804 GA102/03/0049 GA ČR cav_un_auth*0001805 GP102/03/P010 GA ČR cav_un_auth*0001813 1M0572 GA MŠk cav_un_auth*0001814 CEZ:AV0Z10750506 A mixture-based framework for robust estimation of ARX-type processes is presented. The ARX process is presumed to suffer from an unknown noise and/or distortion. The approach taken here is to model the overall degraded process via a mixture. Each component of this mixture uses the same ARX model but explores a different noise/distortion process. Estimation of this mixture unifies the preprocessing and process modelling tasks. Článek popisuje metodiku robustního odhadování procesů typu ARX (externě stimulovaná autoregrese) s neznámým typem neměřeného šumu. Odhadování je pojato jako odhadování dynamické směsi jejíž komponenty mají společnou deterministickou část, ale odlišné charakteristiky šumu. Na obecné úrovni se tak sjednocuje odhadování a předzpracování dat. BC 2006 AS http://hdl.handle.net/11104/0131380 UTIA-B 20050025 2005 cav_un_epca*0257642 Systems and Control Letters 0167-6911 1872-7956 Roč. 54 č. 4 2005 315 323 Elsevier