-
公开(公告)号：CN118821841A
公开(公告)日：2024-10-22
申请号：CN202411108174.X
申请日：2024-08-13
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于回声状态网络优化的时间序列数据补全方法，包括：初始化回声状态网络；使用输入数据的前1000个点运行回声状态网络，以更新存储层的状态向量，得到一组存储层输出的训练信号；采用线性回归方法优化存储层与输出层之间的输出矩阵；预测输入数据的第1000‑1200个点的预测值，其中第1000‑1100个点缺失；将后100个预测值视为未缺失部分，计算第1100‑1200个点的预测值与实际数据之间的均方误差，基于所述均方误差调整回声状态网络的参数；通过调整后的回声状态网络，生成第1000‑1100个点的预测值。根据本发明，能够有效利用现有的时间序列数据，显著还原缺失的数据信息。
-
公开(公告)号：CN115935632A
公开(公告)日：2023-04-07
申请号：CN202211502311.9
申请日：2022-11-28
Applicant: 中国科学院光电技术研究所
IPC: G06F30/20 , G06F111/10
Abstract: 本发明公开了一种基于历史状态的变参数卡尔曼滤波器设计方法，用于改善经典卡尔曼滤波方法在模型非线性或不确定时的预测效果，可以有效降低滤波器的估计误差，提升预测曲线平滑性，以满足更高精度的状态估计要求。本发明提出一种基于历史状态的变参数卡尔曼滤波器算法，其参数设定方法包含常比例参数、变比例参数、离线线性回归参数、在线定存储量线性回归参数、在线增量法线性回归参数五种，均可有效改善滤波器的预测效果，同时只花费较少的额外计算复杂度。本发明突破了传统卡尔曼滤波方法的局限，用较少的额外计算复杂度，有效提升卡尔曼滤波器对机动目标的预测精度和预测曲线平滑性，优化滤波器的估计效果。
-
公开(公告)号：CN116522055A
公开(公告)日：2023-08-01
申请号：CN202211531483.9
申请日：2022-12-01
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于扩张状态的参数自整定卡尔曼滤波器设计方法，用于降低滤波器对非线性、变轨迹运动目标进行状态估计时的估计误差，增强滤波曲线平滑性，满足更高精度的目标跟踪需求。传统的卡尔曼滤波虽能实现在高斯噪声下的最优估计，但它仅适用于线性的被跟踪目标状态方程，且要求状态方程精确。将它应用于运动目标状态估计领域时，面对通常无法预先建模的甚至具有机动性的被跟踪目标，会无可避免地出现估计误差问题。本发明通过实时估计被跟踪目标的状态方程参数，使滤波器能够应用于非线性甚至变轨迹运动的目标跟踪领域。本发明突破了传统卡尔曼滤波方法的局限，有效提升滤波器的估计精度和滤波曲线平滑性，优化滤波器的估计效果。
-
公开(公告)号：CN115935632B
公开(公告)日：2025-04-04
申请号：CN202211502311.9
申请日：2022-11-28
Applicant: 中国科学院光电技术研究所
IPC: G06F30/20 , G06F111/10
Abstract: 本发明公开了一种基于历史状态的变参数卡尔曼滤波器设计方法，用于改善经典卡尔曼滤波方法在模型非线性或不确定时的预测效果，可以有效降低滤波器的估计误差，提升预测曲线平滑性，以满足更高精度的状态估计要求。本发明提出一种基于历史状态的变参数卡尔曼滤波器算法，其参数设定方法包含常比例参数、变比例参数、离线线性回归参数、在线定存储量线性回归参数、在线增量法线性回归参数五种，均可有效改善滤波器的预测效果，同时只花费较少的额外计算复杂度。本发明突破了传统卡尔曼滤波方法的局限，用较少的额外计算复杂度，有效提升卡尔曼滤波器对机动目标的预测精度和预测曲线平滑性，优化滤波器的估计效果。
-
-
-
Search Results
4
records
(took 0.021 seconds)
