| 【中文题名】 | 演化卡尔曼滤波及其在时间序列分析中的应用 |
| 【英文题名】 | Application of Kalman Filter Based on Evolutionary Algorithm in Time Series Analysis |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-11-2 |
| 【中关键词】 | 卡尔曼滤波,演化计算,时间序列,优化,, |
| 【英关键词】 | Kalman filter,evolutionary computation,time series,optimization, |
| 【分类导航】 | 工业技术>无线电电子学、电信技术>基本电子电路>滤波技术、滤波器>> |
| 【论文摘要】 |
卡尔曼滤波算法是时间序列分析中常用的方法。它是一套由计算机实现的实时递推算法，处理的对象是随机信号，利用系统噪声和观测噪声的统计特性，以系统的观测量作为滤波器的输入，以所要估计的值作为滤波器的输出，滤波器的输入与输出之间是由时间更新和观测更新算法联系在一起的，根据系统方程和观测方程估计出所有需要处理的信号，实现了系统状态的最优估计。卡尔曼滤波算法的优点是采用状态空间方法描述系统，采用递推形式，数据存储量小，不仅可以处理平稳随机过程，也可以处理多维和非平稳随机过程。但是，传统的卡尔曼滤波是建立在模型精确和随机干扰信号统计特性已知基础上的，对于一个实际系统，往往存在着模型不确定性或者干扰信号统计特性不完全已知，这些不确定因素使得传统卡尔曼滤波算法失去最优性。
演化计算是计算机模拟大自然的演化过程，特别是生物的进化过程，借鉴达尔文的物竞天择、优胜劣汰、适者生存的自然选择和自然遗传的机理，来求解复杂问题的一类计算模型。它采用简单的编码技术来表示各种复杂的结构，并通过对一组编码表示进行简单的遗传操作和优胜劣汰的自然选择来指导学习和确定搜索的方向。演化算法与传统的算法有很多不同之处，但最主要的差别在于演... |
| 【论文题纲】 |
|
摘要 |
6-7 |
|
ABSTRACT |
7-11 |
|
第一章 绪论 |
11-14 |
|
1.1 论文选题及其研究意义 |
11-12 |
|
1.2 选题的国内外研究现状 |
12 |
|
1.3 论文的主要内容 |
12-14 |
|
第二章 卡尔曼滤波理论基础 |
14-26 |
|
2.1 卡尔曼滤波简介 |
14-20 |
|
2.1.1 随机估计产生的背景 |
14-15 |
|
2.1.2 随机估计的理论基础和分类 |
15-16 |
|
2.1.3 卡尔曼滤波理论的产生及应用 |
16-18 |
|
2.1.4 卡尔曼滤波理论的国内外研究 |
18-20 |
|
2.2 经典卡尔曼滤波方程及分析 |
20-26 |
|
2.2.1 线性最小方差估计和影射理论 |
20-23 |
|
2.2.2 随机线性离散系统的卡尔曼滤波方程 |
23-26 |
|
第三章 演化计算的理论基础及应用研究 |
26-41 |
|
3.1 演化计算简介 |
26-28 |
|
3.1.1 演化计算的发展及主要分支 |
26 |
|
3.1.2 演化计算的特点 |
26-27 |
|
3.1.3 演化计算的生物遗传学基础 |
27 |
|
3.1.4 演化算法的基本结构 |
27-28 |
|
3.2 一种改进的混合演化优化算法 |
28-35 |
|
3.2.1 FEP算法和郭涛算法简介 |
29-31 |
|
3.2.2 CMEA算法流程 |
31 |
|
3.2.3 CMEA优化仿真实例及结果比较 |
31-35 |
|
3.3 一种改进的基因表达式程序设计 |
35-41 |
|
3.3.1 基因表达式程序设计概述 |
35-36 |
|
3.3.2 基因表达式程序设计的改进 |
36-37 |
|
3.3.3 改进的GEP方法建立函数模型 |
37-38 |
|
3.3.4 实验结果比较 |
38-40 |
|
3.3.5 结论 |
40-41 |
|
第四章 基于演化计算的卡尔曼滤波器及其应用研究 |
41-49 |
|
4.1 演化卡尔曼滤波理论 |
41-45 |
|
4.1.1 基于演化计算的卡尔曼滤波描述 |
41-42 |
|
4.1.2 演化卡尔曼滤波的实现 |
42-45 |
|
4.2 演化卡尔曼滤波的应用 |
45-49 |
|
4.2.1 作落体运动的物体描述 |
45-46 |
|
4.2.2 演化卡尔曼滤波应用于落体 |
46-49 |
|
第五章 结论 |
49-50 |
|
致谢 |
50-51 |
|
参考文献 |
51-53 |
|
| 【DOI】 | LunWen.ID:2.2008.389152 |
