[发明专利]基于极小化矢量距离准则的有限模型滤波方法

摘要

本发明克服了在惯性系统的惯性器件的随机模型不能精确获知、或者不能用单一线性模型描述时的惯性器件随机误差降噪时经典卡尔曼滤波算法不能应用的困难，提出一种基于极小化矢量距离准则的有限模型滤波方法，步骤一、采集数据并对数据进行预处理；步骤二、对步骤一中预处理后的时间序列数据建模并整定模型参数；步骤三、对每个系统模型设计卡尔曼滤波器并应用基于最小化矢量距离的有限模型算法对模型进行在线实时切换。

主权项

基于极小化矢量距离准则的有限模型滤波方法，其特征在于，包括如下步骤：步骤一、采集数据并对数据进行预处理；首先进行异常值剔除，然后进行零均值处理，其次为去除趋势项部分，最后是提取周期项形成时间序列数据；步骤二、对步骤一中预处理后的时间序列数据建模并整定模型参数。2.1建立系统模型：时间序列线性模型的参数估计是指在辨识得到模型类别和阶数的基础上，求出模型中的自回归系数和滑动平均系数的数值；2.2检验模型的适用性：时间序列线性模型的适用性检验是指用样本的数据检验按上面的方法确定的模型是否适用，即检验残差序列是否为白噪声序列；步骤三、对每个系统模型设计卡尔曼滤波器并应用基于最小化矢量距离的有限模型算法对模型进行在线实时切换：3.1对每一个建立的系统模型设计卡尔曼滤波器，在辨识出的系统模型的基础上给定系统噪声和观测噪声阵；3.2对每一个系统模型根据基于极小化矢量距离准则拟合评价函数来评定系统模型的准确度；3.3根据上述给出的评价函数将待选择的模型中准确度最高的系统模型的滤波结果作为最终的结果输出。