No description available.

No description available.

Continuous-time system identification is an important subject with applications within many fields. Many physical processes are continuous in time. Therefore, when identifying a continuous-time model, we can use our insight into the system to decide the system structure and have a direct interpretation of the parameters. Furthermore, in systems such as network control systems and sensor networks, there is a common feature that the output data is quantized meaning we can only represent our data with a limited amount of distinct values. When performing continuous-time system identification of a system with quantized output data, we have errors from process and measurement noise and also a quantization error. This will make it more difficult to estimate the system parameters. This thesis aims to evaluate if it is possible to obtain accurate estimates of continuous-time systems with quantized output data using the indirect inference method. Indirect Inference is a simulation-based method that first estimates a misspecified auxiliary model to the observed data and in the second step, the parameters of the true system are estimated by simulations. Experiments are done both on one linear and two non-linear Hammerstein systems with quantized output data. The indirect inference estimator is shown to have the means to yield accurate estimates on both linear systems as well as non-linear Hammerstein systems with quantized output. The method performs better than the simplified refined instrumental variable method for continuous-time systems (SRIVC), which is commonly used for system identification of continuous-time systems, on a linear system. Furthermore, it performed significantly better compared to the Hammerstein Simplified Refined Instrumental Variable method for continuous-time systems (HSRIVC) for one of the non-linear systems and slightly better for the second one. The downside is that indirect inference is computationally expensive and time-consuming, hence not a good choice when computation time is a critical factor / Identifiering av Tidskontinuerlig system är ett viktigt ämne med användningsområde inom många områden. De flesta fysiska processer är tidskontinuerliga och när vi identifierar tidskontinuerliga modeller av dessa system kan vi använda vår insikt av systemet för att bestämma systemstrukturen och även direkt tolka dessa parametrar. I nätverkssystem och sensor-nätverk är det vanligt att vår utdata är kvantiserad, därav kan vi endast representera vår data med ett begränsat antal distinka värden. När vi identifierar tidskontinuerliga system med kvantiserad utdata, har vi därför både fel som ett resultat av process och mätbrus ovh ett kvantiseringsfel. Detta gör det svårare att identifiera parametrarna av systemet. I detta projekt var målet att utvärdera om det är möjligt att erhålla bra estimat för ett tidskontinuerligt system med kvantiserad utdata genom att använda metoden indrect inference. Indirect inference är en simuleringsbaserad metod som först estimerar en misspecificerad model från det observerade datat och i nästa steg, estimerar paramtrarna av det sanna systemet via simulering. Experiment utfördes både på ett linjärt och två olinära Hammerstein system med kvantiserad utdata. Indirect inference metoden visas ha potential att genere bra estimat på både linjära och icke-linära Hammerstein system med kvantiserad utdata. Metoden presterar bättre än SimplifiedRefined Instrumental Variable Method for continuous-time systems (SRIVC) på det linjära systemet och även mycket bättre än Hammerstein Simplified Refined InstrumentalVariable method for continuous-time systems (HSRIVC) för ett av det olinjära systemen och lite bättre för det andra. En nackdel med indirect inference är att det är beräkningstungt och att det tar lång tid att generera estimaten. Därav är denna metod inte att rekomendera när tid är en kritisk faktor.

No description available.

Delta-Sigma (ΔΣ) analog-to-digital converters (ADCs) are traditionally used in high quality audio systems, instrumentation and measurement (I&M) and biomedical devices. With the continued downscaling of CMOS technology, they are becoming popular in wideband applications such as wireless and wired communication systems,high-definition television and radar systems. There are two general realizations of a ΔΣ modulator. One is based on the discrete-time (DT) switched-capacitor (SC) circuitry and the other employs continuous-time (CT) circuitry. Compared to a CT structure, the DT ΔΣ ADC is easier to analyze and design, is more robust to process variations and jitter noise, and is more flexible in the multi-mode applications. On the other hand, the CT ΔΣ ADC does not suffer from the strict settling accuracy requirement for the loop filter and thus can achieve lower power dissipation and higher sampling frequency than its DT counterpart. In this thesis, both DT and CT ΔΣ ADCs are investigated. Several design innovations, in both system-level and circuit-level, are proposed to achieve lower power consumption and wider signal bandwidth. For DT ΔΣ ADCs, a new dynamic-biasing scheme is proposed to reduce opamp bias current and the associated signal-dependent harmonic distortion is minimized by using the low-distortion architecture. The technique was verified in a 2.5MHz BW and 13bit dynamic range DT ΔΣ ADC. In addition, a second-order noise coupling technique is presented to save two integrators for the loop filter, and to achieve low power dissipation. Also, a direct-charge-transfer (DCT) technique is suggested to reduce the speed requirements of the adder, which is also preferable in wideband low-power applications. For CT ΔΣ ADCs, a wideband low power CT 2-2 MASH has been designed. High linearity performance was achieved by using a modified low-distortion technique, and the modulator achieves higher noise-shaping ability than the single stage structure due to the inter-stage gain. Also, the quantization noise leakage due to analog circuit non-idealities can be adaptively compensated by a designed digital calibration filter. Using a 90nm process, simulation of the modulator predicts a 12bit resolution within 20MHz BW and consumes only 25mW for analog circuitry. In addition, the noise-coupling technique is investigated and proposed for the design of CT ΔΣ ADCs and it is promising to achieve low power dissipation for wideband applications. Finally, the application of noise-coupling technique is extended and introduced to high-accuracy incremental data converters. Low power dissipation can be expected. / Graduation date: 2010

Cette thèse traite de l’identification de systèmes dynamiques à partir de données échantillonnées à pas variable. Ce type de données est souvent rencontré dans les domaines biomédical, environnemental, dans le cas des systèmes mécaniques où un échantillonnage angulaire est réalisé ou lorsque les données transitent sur un réseau. L’identification directe de modèles à temps continu est l’approche à privilégier lorsque les données disponibles sont échantillonnées à pas variable ; les paramètres des modèles à temps discret étant dépendants de la période d’échantillonnage. Dans une première partie, un estimateur optimal de type variable instrumentale est développé pour estimer les paramètres d’un modèle Box-Jenkins à temps continu. Ce dernier est itératif et présente l’avantage de fournir des estimées non biaisées lorsque le bruit de mesure est coloré et sa convergence est peu sensible au choix du vecteur de paramètres initial. Une difficulté majeure dans le cas où les données sont échantillonnées à pas variable concerne l’estimation de modèles de bruit de type AR et ARMA à temps continu (CAR et CARMA). Plusieurs estimateurs pour les modèles CAR et CARMA s’appuyant sur l’algorithme Espérance-Maximisation (EM) sont développés puis inclus dans l’estimateur complet de variable instrumentale optimale. Une version étendue au cas de l’identification en boucle fermée est également développée. Dans la deuxième partie de la thèse, un estimateur robuste pour l'identification de systèmes à retard est proposé. Cette classe de systèmes est très largement rencontrée en pratique et les méthodes disponibles ne peuvent pas traiter le cas de données échantillonnées à pas variable. Le retard n’est pas contraint à être un multiple de la période d’échantillonnage, contrairement à l’hypothèse traditionnelle dans le cas de modèles à temps discret. L’estimateur développé est de type bootstrap et combine la méthode de variable instrumentale itérative pour les paramètres de la fonction de transfert avec un algorithme numérique de type gradient pour estimer le retard. Un filtrage de type passe-bas est introduit pour élargir la région de convergence pour l’estimation du retard. Tous les estimateurs proposés sont inclus dans la boîte à outils logicielle CONTSID pour Matlab et sont évalués à l’aide de simulation de Monte-Carlo / The output of a system is always corrupted by additive noise, therefore it is more practical to develop estimation algorithms that are capable of handling noisy data. The effect of white additive noise has been widely studied, while a colored additive noise attracts less attention, especially for a continuous-time (CT) noise. Sampling issues of CT stochastic processes are reviewed in this thesis, several sampling schemes are presented. Estimation of a CT stochastic process is studied. An expectation-maximization-based (EM) method to CT autoregressive/autoregressive moving average model is developed, which gives accurate estimation over a large range of sampling interval. Estimation of CT Box-Jenkins models is also considered in this thesis, in which the noise part is modeled to improve the performance of plant model estimation. The proposed method for CT Box-Jenkins model identification is in a two-step and iterative framework. Two-step means the plant and noise models are estimated in a separate and alternate way, where in estimating each of them, the other is assumed to be fixed. More specifically, the plant is estimated by refined instrumental variable (RIV) method while the noise is estimated by EM algorithm. Iterative means that the proposed method repeats the estimation procedure several times until a optimal estimate is found. Many practical systems have inherent time-delay. The problem of identifying delayed systems are of great importance for analysis, prediction or control design. The presence of a unknown time-delay greatly complicates the parameter estimation problem, essentially because the model are not linear with respect to the time-delay. An approach to continuous-time model identification of time-delay systems, combining a numerical search algorithm for the delay with the RIV method for the dynamic has been developed in this thesis. In the proposed algorithm, the system parameters and time-delay are estimated reciprocally in a bootstrap manner. The time-delay is estimated by an adaptive gradient-based method, whereas the system parameters are estimated by the RIV method. Since numerical method is used in this algorithm, the bootstrap method is likely to converge to local optima, therefore a low-pass filter has been used to enlarge the convergence region for the time-delay. The performance of the proposed algorithms are evaluated by numerical examples

Η παρούσα Διπλωματική Εργασία εστίασε το ενδιαφέρον της στην διερεύνηση των μοντέλων για νευρώνες (neuron models) ικανών να μιμηθούν την φυσική λειτουργία των βιολογικών νευρώνων. Συγκεκριμένα, έγινε μελέτη κάποιων μοντέλων για νευρώνες που παρουσιαστήκαν τα τελευταία χρόνια και στην συνέχεια, σχεδιάστηκε και υλοποιήθηκε ένα από τα μοντέλα αυτά κάνοντας χρήση κυκλωμάτων χαμηλής τάσης τροφοδοσίας στο πεδίο του υπερβολικού ημιτόνου (Sinh-Domain). Η γρήγορη ανάπτυξη της μικροηλεκτρονικής στην υλοποίηση συστημάτων υψηλής αξιοπιστίας και απόδοσης μικρού βάρους και όγκου όπως φορητών ηλεκτρονικών πολυμέσων, επικοινωνιών, βιοϊατρικών συσκευών, ωθεί στην σχεδίαση των ολοκληρωμένων κυκλωμάτων που τα απαρτίζουν με μειωμένη κατανάλωση ισχύος και κατ’ επέκταση χαμηλής τάσης τροφοδοσίας. Αρχικά, γίνεται μια εισαγωγή για τη σχεδίαση ολοκληρωμένων κυκλωμάτων για λειτουργία σε περιβάλλον χαμηλής τάσης τροφοδοσίας. Ακολούθως, δίνεται η περιγραφή της δομής και της λειτουργίας ενός βιολογικού νευρώνα και στην συνέχεια η περιγραφή των δύο βασικών μοντέλων νευρώνα (neuron models) που μελετήθηκαν στα πλαίσια της συγκεκριμένης εργασίας. Επίσης, παρουσιάζεται μία πρόσφατη υλοποίηση του βασικού μοντέλου νευρώνα των Mihalas και Niebur που ερευνάται στα πλαίσια της παρούσας εργασίας, στο πεδίο του λογαρίθμου καθώς και τα μοτίβα αιχμών τα οποία είναι ικανό να παράγει το συγκεκριμένο μοντέλο στο πεδίο του λογαρίθμου. Τον πυρήνα στην σχεδίαση των συγκεκριμένων μοντέλων για νευρώνες που μελετώνται, αποτελεί η τοπολογία του Tau-Cell. Η συγκεκριμένη βαθμίδα χρησιμοποιείται για την συστηματική σχεδίαση φίλτρων στο πεδίο του λογαρίθμου (Log-Domain filters). Έπειτα, αναλύεται η μέθοδος σχεδίασης κυκλωμάτων, και συγκεκριμένα φίλτρων, χαμηλής τάσης τροφοδοσίας στο πεδίο του υπερβολικού ημιτόνου (Sinh-Domain). Παρουσιάζονται οι βασικούς τελεστές καθώς και τα βασικά cells, για την σχεδίαση κυκλωμάτων στο πεδίο του υπερβολικού ημιτόνου (Sinh-Domain). Στην συνέχεια, περιγράφεται η σχεδίαση της τοπολογίας του Tau-Cell η οποία όπως αναφέραμε, αποτελεί τον πυρήνα στην υλοποίηση μοντέλων για νευρώνες, στο πεδίο του υπερβολικού ημιτόνου και επιβεβαιώνεται η ορθή λειτουργία της συγκεκριμένης βαθμίδας, με την σχεδίαση και εξομοίωση φίλτρων στο πεδίο του υπερβολικού ημιτόνου, με βασικό στοιχείο το Tau-Cell στο Analog Design Environment του λογισμικού της Cadence σε τεχνολογία της AMS CMOS 0.35μm. Αφότου έχει ολοκληρωθεί η σχεδίαση του Tau-Cell στο πεδίο του υπερβολικού ημιτόνου, περιγράφεται στην συνέχεια η υλοποίηση του μοντέλου νευρώνα των Mihalas και Niebur στο πεδίο του υπερβολικού ημιτόνου. Κάνοντας χρήση της βαθμίδας του Tau-Cell στο πεδίο του υπερβολικού ημιτόνου, γίνεται η υλοποίηση και στην συνέχεια η εξομοίωση, δύο βασικών κυκλωμάτων του μοντέλου, με βάση την ήδη υπάρχουσα υλοποίηση τους στο πεδίο του λογαρίθμου, ικανών να παράγουν διάφορα μοτίβα αιχμών (spiking patterns) με βάση το συγκεκριμένο μοντέλο του νευρώνα. Η ορθή λειτουργία των δύο αυτών κυκλωμάτων του μοντέλου με βάση τα μοτίβα αιχμών (spiking patterns) που είναι ικανά να παράγουν, επιβεβαιώνεται από τις εξομοιώσεις στο περιβάλλον του Analog Design Environment του λογισμικού της Cadence σε τεχνολογία της AMS CMOS 0.35μm. Τέλος, παρουσιάζεται η φυσική σχεδίαση (layout) των δύο βασικών κυκλωμάτων του μοντέλου νευρώνα καθώς και τα αποτελέσματα από την post-layout εξομοίωση του μοντέλου. Η φυσική σχεδίαση πραγματοποιήθηκε μέσω του λογισμικού Cadence το οποίο και περιέχει το περιβάλλον φυσικής σχεδίασης αναλογικών ηλεκτρονικών κυκλωμάτων Virtuoso Layout Editor. Η τεχνολογία που χρησιμοποιήθηκε αναφέρεται ως AMS C35D4 CMOS διαστάσεων 0.35μm. / This present M.Sc. Thesis is focused its interest in the study of neuron models that emulate the physical behavior of biological neurons. More specifically, we present a study of some neuron models that have been presented the last years and we proceed with the design and the implementation one of them using low voltage circuits in the Sinh-Domain. Τhe radical technological developments of microelectronics in the systems implementation with high reliability and performance, such as portable electronic devices for multimedia, communications and biomedical systems, demand the design of integrated circuits with reduced power consumption and thus low voltage supply. Initially, an introduction for the design of integrated circuits in low voltage environment is given and, also, the description of the structure and behavior of a biological neuron. Next, an analysis of two recently introduced neuron models realized in the Log-Domain, from which the Mihalas and Niebur neuron model constitutes the basic model studied in the context of this work and, also, the basic spiking patterns, that this implementation of the Mihalas-Niebur neuron model is capable of producing. The core in the implementation of this neuron models, is the topology of Tau-Cell. The topology of Tau-Cell is used for the systematic design of filters in the Log-Domain. Thereafter, is given an analysis of the method of designing low voltage circuits and more specifically filters, in the Sinh-Domain. The basic operators and the principal cells, for designing circuits in the Sinh-Domain are presented. Then, the design and implementation of the Tau-Cell topology which as mentioned is the core for the implementation of neuron models, is realized in the Sinh-Domain. The proper operation of this topology is confirmed through the design and simulation of filters in the Sinh-Domain, in the Analog Design Environment of Cadence using the AMS CMOS 0.35μm technology. After the design of the Tau-Cell in the Sinh-Domain, we continue with the implementation of the Mihalas-Niebur neuron model. Using the topology of Tau-Cell in the Sinh-Domain, we proceed with the implementation and the simulation of the basic two topologies of the neuron model based on the existing implementation in the Log-Domain. The implemented topologies of the neuron are capable of producing spiking patterns based to the Mihalas-Niebur neuron model. The proper operation of these topologies based on the spiking patterns that are capable of producing, is confirmed through the design and simulation in the Sinh-Domain, in the Analog Design Environment of Cadence using the AMS CMOS 0.35μm technology. Finally, is presented the layout design of the main two topologies of the neuron model and also the results of the post-layout simulations. The layout was conducted via the Cadence software through Virtuoso Layout Editor. The technology used is referred as AMS C35D4 CMOS in 0.35μm dimensions.

Les travaux de recherche présentés dans ce mémoire concernent des contributions à l'identification paramétrique de modèles à temps continu. La première contribution est le développement d'une méthode à erreur de sortie appliquée à des modèles linéaires, en boucle ouverte et en boucle fermée. Les algorithmes sont présentés pour des modèles à temps continu, en utilisant une approche hors ligne ou récursive. La méthode est étendue à l'identification de systèmes linéaires comprenant un retard pur. La méthode développée est appliquée à différents systèmes et comparée aux méthodes d'identification existantes. La deuxième contribution est le développement d'une nouvelle approche d'identification de systèmes à boucles imbriquées. Cette approche est développée pour l'identification de systèmes électromécaniques. Elle se base sur l'utilisation d'un modèle d'identification paramétrique générique d'entraînements électromécaniques en boucle fermée, sur la connaissance du profil des lois de mouvement appliquées appelées excitations, et sur l'analyse temporelle de signaux internes et leurs corrélations avec les paramètres à identifier. L'approche est développée dans le cadre de l'identification d'entraînements à courant continu et synchrone. L'application de cette approche est effectuée au travers de simulations et de tests expérimentaux. Les résultats sont comparés à des méthodes d'identification classiques. / The research works presented in this thesis are about contributions in continuous time model parametric identication. The rst work is the development of an output error method applied on linear models, in open and closed loop. The algorithms are presented for continuous time models, using in-line or oine approaches. The method is extended to the case of the linear systems containing pure time delay. The developed method is applied to several systems and compared to the best existing methods. The second contribution is the development of a new identication approach for cascaded loop systems. This approach is developed for identifying electromechanical systems. It is based on the use of a generic parametric model of electromechanical drives in closed loop, on the knowledge of the movement laws applied and called excitations, and on the analyse of the time internal signals and their correlations with the parameters to identify. This approach is developed for identifying direct current and synchronous drives. The approach is applied with simulations and experimental tests. The obtained results are compared to best identifying known methods.

Cette thèse porte sur le calcul d'une sur-approximation conservative pour les solutions d'équations différentielles ordinaires en présence d'incertitudes et sur son application à l'estimation et l'analyse de systèmes dynamiques à temps continu. L'avantage principal des méthodes et des algorithmes de calculs présentés dans cette thèse est qu'ils apportent une preuve numérique de résultats. Cette thèse est organisée en deux parties. La première partie est consacrée aux outils mathématiques et aux méthodes d'intégration numérique garantie des équations diff érentielles incertaines. Ces méthodes permettent de caractériser de manière garantie l'ensemble des trajectoires d'état engendrées par un système dynamique incertain dont les incertitudes sont naturellement représentées par des intervalles bornés. Dans cette optique, nous avons développé une méthode d'intégration hybride qui donne de meilleurs résultats que les méthodes d'intégration basées sur les modèles de Taylor intervalles. La seconde partie aborde les problèmes de l'identification et de l'observation dans un contexte à erreurs bornées ainsi que le problème d'atteignabilité continue pour la véri cation de propriétés des systèmes dynamiques hybrides. / This thesis addresses the computation of conservative over-approximation of the solutions of uncertain ordinary di erential equations and its application to the estimation and the analysis of uncertain continuous-time dynamical systems. The main feature of the methods and algorithms presented in this thesis is the fact that they are numerically veri ed and hence can be used to obtain numerical proof of properties. This thesis is organized in two parts. The first part is devoted to the mathematical tools and the guaranteed numerical integration methods for uncertain ordinary di erential equations. These methods make it possible to characterize in a guaranteed way all the state trajectories generated by an uncertain dynamical system whose uncertainties are in a natural way described by bounded boxes. Accordingly, we have developed a hybrid integration method which gives better results than the integration methods based on interval Taylor models. The second part is dedicated to the resolution of identi cation and observation issues in a bounded error context. It also deals with continuous reachability computation for the veri cation of the properties of hybrid dynamical systems.

Im Rahmen dieser Dissertation bemühe ich mich, den statistischen Ansatz der zeitkontinuierlichen dynamischen Modellierung, der die Rolle der Zeit explizit berücksichtigt, zu erweitern und praktisch anwendbar zu machen. Diese Dissertation ist so strukturiert, dass ich in Kapitel 1 die Natur dynamischer Modelle bespreche, verschiedene Ansätze zum Umgang mit mehreren Personen betrachte und ein zeitkontinuierliches dynamisches Modell mit Input-Effekten (wie Interventionen) und einem Gaußschen Messmodell detailliert darstelle. In Kapitel 2 beschreibe ich die Verwendung der Software ctsem für R, die als Teil dieser Dissertation entwickelt wurde und die Modellierung von Strukturgleichungen und Mixed-Effects über einen frequentistischen Schätzansatz realisiert. In Kapitel 3 stelle ich einen hierarchischen, komplett Random-Effects beinhaltenden Bayesschen Schätzansatz vor, unter dem sich Personen nicht nur in Interceptparametern, sondern in allen Charakteristika von Mess - und Prozessmodell unterscheiden können, wobei die Schätzung individueller Parameter trotzdem von den Daten aller Personen profitiert. Kapitel 4 beschreibt die Verwendung der Bayesschen Erweiterung der Software ctsem. In Kapitel 5} betrachte ich die Natur experimenteller Interventionen vor dem Hintergrund zeitkontinuierlicher dynamischer Modellierung und zeige Ansätze, die die Art und Weise adressieren, mit der Interventionen auf psychologische Prozesse über die Zeit wirken. Das berührt Fragen, wie: 'Nach welcher Zeit zeigt eine Intervention ihre maximale Wirkung', 'Wie ändert sich die Form des Effektes im Laufe der Zeit' und 'Für wen ist die Wirkung am stärksten oder dauert am längsten an'. Viele Bei-spiele, die sowohl frequentistische als auch bayessche Formen der Software ctsem verwenden, sind enthalten. Im letzten Kapitel fasse ich die Dissertation zusammen, zeige Limitationen der angebotenen Ansätze auf und stelle meine Gedanken zu möglichen zukünftigen Entwicklungen dar. / With this dissertation I endeavor to extend, and make practically applicable for psychology, the statistical approach of continuous time dynamic modelling, in which the role of time is made explicit. The structure of this dissertation is such that in Chapter 1, I discuss the nature of dynamic models, consider various approaches to handling multiple subjects, and detail a continuous time dynamic model with input effects (such as interventions) and a Gaussian measurement model. In Chapter 2, I describe the usage of the ctsem software for R developed as part of this dissertation, which provides a frequentist, mixed effects, structural equation modelling approach to estimation. Chapter 3 details a hierarchical Bayesian, fully random effects approach to estimation, allowing for subjects to differ not only in intercept parameters but in all characteristics of the measurement and dynamic models -- while still benefiting from other subjects data for parameter estimation. Chapter 4 describes the usage of the Bayesian extension to the ctsem software. In Chapter 5 I consider the nature of experimental interventions in the continuous time dynamic modelling framework, and show approaches to address questions regarding the way interventions influence psychological processes over time, with questions such as 'how long does a treatment take to reach maximum effect', `how does the shape of the effect change over time', and 'for whom is the effect strongest, or longest lasting'. Many examples using both frequentist and Bayesian forms of the ctsem software are given. For the final chapter I summarise the dissertation, consider limitations of the approaches offered, and provide some thoughts on possible future developments.