Modeling non-Gaussian time-varying vector autoregressive processes by particle filtering (Articolo in rivista)

Type

• Articolo in rivista (Classe)
• Prodotto della ricerca (Classe)

Label

• Modeling non-Gaussian time-varying vector autoregressive processes by particle filtering (Articolo in rivista) (literal)

Anno

• 2010-01-01T00:00:00+01:00 (literal)

Alternative label

• Gencaga D.; Kuruoglu E. E.; Ertuzun A. (2010)
  Modeling non-Gaussian time-varying vector autoregressive processes by particle filtering
  in Multidimensional systems and signal processing
  (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#autori

• Gencaga D.; Kuruoglu E. E.; Ertuzun A. (literal)

Pagina inizio

• 73 (literal)

Pagina fine

• 85 (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#numeroVolume

• 21 (literal)

Rivista

• Multidimensional systems and signal processing (Rivista)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#note

• In: Multidimensional Systems and Signal Processing, vol. 21 (1) pp. 73 - 85. Springer, 2010. (literal)

Note

• ISI Web of Science (WOS) (literal)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#affiliazioni

• City University, New York, CNR-ISTI, Pisa, Bogazici University, Turchia (literal)

Titolo

• Modeling non-Gaussian time-varying vector autoregressive processes by particle filtering (literal)

Abstract

• We present a novel and general methodology for modeling time-varying vector autoregressive processes which are widely used in many areas such as modeling of chemical processes, mobile communication channels and biomedical signals. In the literature, most work utilize multivariate Gaussian models for the mentioned applications, mainly due to the lack of efficient analytical tools for modeling with non-Gaussian distributions. In this paper, we propose a particle filtering approach which can model non-Gaussian autoregressive processes having cross-correlations among them. Moreover, time-varying parameters of the process can be modeled as the most general case by using this sequential Bayesian estimation method. Simulation results justify the performance of the proposed technique, which potentially can model also Gaussian processes as a sub-case. (literal)

Prodotto di

• Istituto di scienza e tecnologie dell'informazione \"Alessandro Faedo\" (ISTI) (Istituto)
• Elaborazione di segnali e immagini per impieghi diagnostici e interpretazione di immagini multisorgente (ICT.P10.012.001) (Modulo)

Autore CNR

• ERCAN ENGIN KURUOGLU (Unità di personale interno)

Insieme di parole chiave

• Keywords of "Modeling non-Gaussian time-varying vector autoregressive processes by particle filtering" (Insieme di parole chiave)

Incoming links:

Prodotto

• Istituto di scienza e tecnologie dell'informazione \"Alessandro Faedo\" (ISTI) (Istituto)
• Elaborazione di segnali e immagini per impieghi diagnostici e interpretazione di immagini multisorgente (ICT.P10.012.001) (Modulo)

Autore CNR di

• ERCAN ENGIN KURUOGLU (Unità di personale interno)

Http://www.cnr.it/ontology/cnr/pubblicazioni.owl#rivistaDi

• Multidimensional systems and signal processing (Rivista)

Insieme di parole chiave di

• Keywords of "Modeling non-Gaussian time-varying vector autoregressive processes by particle filtering" (Insieme di parole chiave)