[发明专利]一种基于多重融合插补的连续缺失数据恢复方法

权利要求书

1.一种基于多重融合插补的连续缺失数据恢复方法，其特征在于，具体按照以下步骤实施：

步骤1、建立考虑观测缺失的多速率异步采样多传感器模型，结合各传感器间多速率异步测量的特性，对传感器监测数据进行实时划分；

步骤2、通过一步状态预测、多步状态预测、回归缺失预测与同类均值插补对缺失状态进行恢复，得到四类恢复结果；

步骤3、基于极大似然估计评估准则计算待恢复数据的融合系数，得到缺失数据的融合插补结果。

2.根据权利要求1所述的一种基于多重融合插补的连续缺失数据恢复方法，其特征在于，所述步骤1具体按照以下步骤实施：

步骤1.1、建立如下考虑观测缺失的多速率异步采样多传感器测量模型：

v_(k+1)T＝f(v_kT)+w_kT,k＝1,2,3,…

式中，i为传感器的序号，共计L个传感器，其中，v_kT为kT时刻系统状态，T为状态更新周期，k为系统状态更新点序号，n⁽ⁱ⁾为第i个传感器观测采样周期倍率，n⁽ⁱ⁾T为观测采样周期，其中n⁽ⁱ⁾≥1为正整数，为系统在n⁽ⁱ⁾kT时刻第i个传感器的测量结果，为n⁽ⁱ⁾kT时刻的系统状态，w_kT和分别为状态噪声和观测噪声，方差分别为Q和R⁽ⁱ⁾，f(·)为系统的非线性状态函数，表示系统在不同运行模式下的变化特性，h⁽ⁱ⁾(·)表示第i个传感器的测量函数，为第i个传感器n⁽ⁱ⁾kT时刻的系统状态系数，如果在n⁽ⁱ⁾kT当前时刻有测量结果，为1，否则为0；

步骤1.2、设定每个数据块包含的状态点的个数为N_B，每当系统状态更新个数达到N_B个，则将这N_B个状态更新点和对应的传感器测量数据划分为一个数据块，每个数据块的大小N_B为：

N_B＝[n⁽¹⁾,n⁽²⁾,…,n⁽ⁱ⁾]

i＝1,2,…,L

式中，[·]代表求取最小公倍数的运算，n⁽ⁱ⁾表示第i个传感器观测采样周期倍率；

步骤1.3、对划分好的数据块进行分类，如果数据缺失情况连续出现在两个及以上的数据块，则判定此时出现了监测数据的连续性缺失。