Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2506.03410

帮助 | 高级搜索

电气工程与系统科学 > 系统与控制

arXiv:2506.03410 (eess)
[提交于 2025年6月3日 ]

标题: 多输入多输出系统的迭代切向插值模型降阶框架

标题: An iterative tangential interpolation framework for model reduction of MIMO systems

Authors:Jared Jonas, Bassam Bamieh
摘要: 我们考虑利用频域切向插值对大规模MIMO系统进行模型降阶。 我们的方法与最近开发的自适应Antoulas--Anderson(AAA)算法有关,该算法是一种迭代算法,使用了Loewner框架的概念。 我们的算法采用低秩插值,并根据多个准则(包括最小化最大误差)迭代地添加插值点。 我们证明了在插值点选择方法上存在自由度,这导致了多种具有计算复杂性和近似性能之间权衡的算法。 我们证明了一个代表性误差系统的加权\(H_2\)范数在添加插值点时单调递减。 最后,我们提供了计算结果,并与先前的工作进行了比较,展示了与标准模型降阶方法相当的性能。
摘要: We consider model reduction of large-scale MIMO systems using tangential interpolation in the frequency domain. Our scheme is related to the recently-developed Adaptive Antoulas--Anderson (AAA) algorithm, which is an iterative algorithm that uses concepts from the Loewner framework. Our algorithm uses low-rank interpolation and iteratively adds interpolation points based on several criteria including minimizing maximum errors. We show there is freedom in the interpolation point selection method, leading to multiple algorithms that have trade-offs between computational complexity and approximation performance. We prove that a weighted \(H_2\) norm of a representative error system is monotonically decreasing as interpolation points are added. Finally, we provide computational results and some comparisons with prior works, demonstrating performance on par with standard model reduction methods.
评论: 13页,4个图,提交至IEEE TAC
主题: 系统与控制 (eess.SY)
引用方式: arXiv:2506.03410 [eess.SY]
  (或者 arXiv:2506.03410v1 [eess.SY] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.03410
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jared Jonas [查看电子邮件]
[v1] 星期二, 2025 年 6 月 3 日 21:37:57 UTC (422 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess.SY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.SY
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号