10.3969/j.issn.1001-506X.2010.11.38
基于Kalman滤波算法的Volterra级数核估计及其应用
为了进一步提高Volterra级数模型在混沌时间序列预测中的精度以及核估计的收敛速度,提出利用自适应Kalman滤波算法对Volterra级数核进行估计的一种新方法.同时,在混沌动力系统相空间重构的基础上,采用关联维数法和最大Lyapunov指数法,对船舶运动时间序列进行混沌特性判定,并对船舶横摇运动时间序列进行多步预测.仿真表明,与归一化最小均方(normalization least-mean-square,NLMS)算法和最小二乘(recursive least-square,RLS)算法的Volterra级数模型相比,基于自适应Kalman滤波算法的Volterra模型在收敛速度与预报精度方面均优于NLMS算法和RLS算法,为实时在线预报提供了理论依据.
Volterra级数、Kalman滤波算法、相空间重构、关联维数、最大Lyapunov指数法、多步预测
32
TP29(自动化技术及设备)
2011-01-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
2431-2435,2475