一种基于消息传递的模式识别滤波方法技术

本发明专利技术涉及信号滤波技术领域，具体涉及一种基于消息传递的模式识别滤波方法，该滤波方法包括步骤一，对参数进行初始化；步骤二，迭代计算，数据个数N是否满足大于等于3，若不满足条件，则直接输出原始数据；若满足条件，则同时进行前向预测和后向平滑；步骤三，前向后向联合估计，更新均值和方差，得到状态变量均值的联合估计值；步骤四：判断迭代次数k是否等于K，若相等则表示完成迭代，输出状态变量估计值；若不相等则表示没有完成迭代，则更新然后转到步骤二继续进行迭代计算；利用因子图上期望最大化方法对系统动态模型中的识别参数进行自适应识别，解决了由于建模误差及系统模型变化导致标准卡尔曼滤波算法性能下降的问题。

【技术实现步骤摘要】

本专利技术涉及信号滤波
，具体涉及一种基于消息传递的模式识别滤波方法。
技术介绍
经典的卡尔曼滤波能够获得良好的估计性能，一个必要的条件是建立准确的动态模型和观测模型，这就要求对物体的变化和可能获得的异常干扰了解的比较清楚，并能够建立和客观系统精确符合的动态方程，但是由于工作环境和使用条件的变化，噪声的统计特性往往是不具有确定性的，偏离理想假设的观测量或偏离理想假设的动力模型必然会给动态滤波结果带来不可想象的偏差，甚至可能使卡尔曼滤波发散。为了克服这个缺点，许多学者曾提出一些自适应卡尔曼滤波来减弱系统偏差的影响，这些方法在一定程度上提高了卡尔曼滤波器对噪声的鲁棒性，但是这些方法并不能达到减免模型误差的目的，同时这些方法会增加估计算法的计算复杂度以及闭环稳定性在数学上分析的困难程度。如何克服模型偏差对参数估计的干扰一直是一个比较棘手的问题，也是目前的研究热点。
技术实现思路
本专利技术提供了一种基于消息传递的模式识别滤波方法，利用因子图上期望最大化方法对系统动态模型中的识别参数进行自适应识别，解决了由于建模误差或系统模型变化导致标准卡尔曼滤波算法性能下降的问题。为了达到上述目的，本专利技术所采用的技术方案如下：一种基于消息传递的模式识别滤波方法，其特征在于，该滤波方法所针对的时变系统模型为： x i = a i x i - 1 + b i v y i = g ( x i ) + w - - - ( 1 ) ]]>其中，x＝[x1,...,xN]T为待估计的系统状态向量，y＝[y1,...,yN]T为观测向量，AR模型参数θ＝{ai,bi；i＝[1:N]本文档来自技高网...

【技术保护点】
一种基于消息传递的模式识别滤波方法，其特征在于，该滤波方法所针对的时变系统模型为：xi=aixi-1+bivyi=g(xi)+w---(1)]]>其中，x＝[x1,...,xN]T为待估计的系统状态向量，y＝[y1,...,yN]T为观测向量，AR模型参数θ＝{ai,bi；i＝[1:N]}T未知；N为进行滤波处理数据的长度，所述xi∈x与xi‑1∈x分别为i时刻和i‑1时刻的待估计的系统状态变量，所述ai∈θ和bi∈θ均为i时刻的AR模型参数，所述biv为过程噪声，所述v为零均值、方差为1的高斯白噪声，所述yi∈y为i时刻的观测值，所述g(·)表示系统状态变量与观测值之间的函数关系，所述w为观测噪声；定义：M维单位矩阵用IM表示，上标[·]T表示向量或矩阵的转置，均值为m、方差为δ的高斯分布函数的概率密度函数用N(x；m,δ)表示；假定两个函数和φ(x)，它们之间的关系为其中c为常数，则这两个函数的关系可以表示为：即正比于φ(x)，符号表示记为或定义为；针对所述时变系统模型中公式(1)的隐性变量θ，也即时变的系统模型参数，利用极大似然估计方法计算，如下：θ^=argmaxθp(y|θ)---(2)]]>其中，所述p(y|θ)为观测向量y已知时AR模型参数θ的似然函数，所述p(y|θ)＝∫xp(x|y；θ)dx中的p(x|y；θ)为待估计向量x的后验概率与AR模型参数θ的似然函数的联合函数；利用期望最大化迭代算法近似求解所述公式(2)的极大似然估计问题，主要包括两个步骤：E步：M步：其中，k表示迭代次数，似然函数p(y|θ)的第k次迭代近似记为μk(θ)；针对所述公式(3)使用置信传播消息计算规则计算μk(θ)，首先根据所述公式(1)将联合函数p(x|y；θ)分解为：p(x|y;θ)∝Πi=n-NnfRi(xi,xi-1,ai,bi)fyi(xi)---(5)]]>其中，表示在给定i‑1时刻待估计变量的估计值xi‑1时i时刻待估计变量xi的条件概率，表示待估计变量xi的似然函数，Ri为AR模型第i时刻关系式的记号；针对上述时变系统模型，该模型识别滤波方法包括如下步骤：步骤一：初始化：对参数进行初始化，以及迭代次数k＝1，迭代总数为K；其中分别为前向消息的初始均值、方差，分别为后向消息的初始均值、方差，为AR模型参数的初始值，步骤二：迭代计算，数据个数N是否满足大于等于3，若不满足条件，则直接输出原始数据；若满足条件，则同时进行前向预测和后向平滑，得到状态变量第k次迭代前向预测的均值矩阵方差倒数矩阵以及后向平滑的均值矩阵方差倒数矩阵然后转入步骤三；步骤三：前向后向联合估计，利用步骤二中得到的以及并结合和更新均值和方差，可得到状态变量均值的联合估计值mk；步骤四：判断迭代次数k是否等于K，若k等于K，表示完成迭代，则直接输出状态变量估计值mk；若k不等于K，则表示没有完成迭代，则令k＝k+1，利用ai和bi的最大似然估计来更新然后转到步骤二继续进行迭代计算。...

【技术特征摘要】
1.一种基于消息传递的模式识别滤波方法，其特征在于，该滤波方法所针对的时变系统模型为： x i = a i x i - 1 + b i v ...

【专利技术属性】
技术研发人员：张传宗，肖岩，马琳琳，王行业，袁子伦，李冀，
申请(专利权)人：郑州联睿电子科技有限公司，
类型：发明
国别省市：河南;41