AR模型参数自适应估计方法研究及应用

被引：20

作者：

彭秀艳 ^{[1
]}

王茂 ^{[1
]}

刘长德 ^{[2
]}

机构：

[1] 哈尔滨工业大学控制科学与工程系

[2] 哈尔滨工程大学自动化学院

来源：

哈尔滨工业大学学报 | 2009年 / 41卷 / 09期

关键词：

自回归模型; 卡尔曼滤波; 参数自适应估计; 船舶运动预报;

D O I：

暂无

中图分类号：

U661.3 [船舶动力学];

学科分类号：

摘要：

为了提高AR模型参数估计的精度和收敛速度,提出基于卡尔曼(Kalm an)滤波原理的AR模型参数估计方法.把AR模型参数向量作为状态向量,利用随机游动模型建立系统的状态方程,由观测数据建立系统的观测方程,应用卡尔曼(Kalm an)滤波原理求得参数向量的最小方差估计.将该方法应用于船舶运动实时建模预报中.仿真研究表明本文提出的基于Kalm an滤波算法的AR模型在预报精度以及收敛速度方面均优于基于递推最小二乘法(RLS)和最小均方(LMS)算法,该算法具有较强的鲁棒性,降低了实时在线预报时通信故障所引起的数据缺失对预报精度的影响.该方法在理论和工程应用方面具有重要的意义.

引用

页码：12 / 16

页数：5

共 7 条

[1] 船舶姿态运动实时预报算法研究
彭秀艳
赵希人
高奇峰
[J]. 系统仿真学报, 2007, (02) : 267 - 271
[2] 舰船运动极短期建模预报的研究现状
赵希人
彭秀艳
沈艳
谢美萍
[J]. 船舶工程, 2002, (03) : 4 - 8
[3] 自适应滤波算法与实现[M]. 电子工业出版社 , (英)PauloS.R.Diniz著, 2004
[4] 工程随机过程[M]. 哈尔滨工程大学出版社 , 彭秀艳编著, 2000
[5] 时间序列分析的工程应用[M]. 华中理工大学出版社 , 杨叔子等著, 1991
[6] 时间序列分析与动态数据建模[M]. 北京理工大学出版社 , 杨位钦,顾岚编著, 1988
[7] Improvements in wind speed forecasts for wind power prediction purposes using Kalman filtering
Louka, P.
Galanis, G.
Siebert, N.
Kariniotaki, G.
Katsafados, P.
Pytharoulis, I.
Kallos, G.
[J]. JOURNAL OF WIND ENGINEERING AND INDUSTRIAL AERODYNAMICS, 2008, 96 (12) : 2348 - 2362

← 1 →