[发明专利]一种具有信道衰落的无穷分布时滞神经网络系统的状态估计方法

权利要求书

1.一种具有信道衰落的无穷分布时滞神经网络系统的状态估计方法，该方法包括以下步骤：

(1)在野外勘探目标区中在实际井中以人工方法激发地震波，利用检波采集设备获得地震数据，将野外采集到的地震数据进行预处理；

(2)基于预处理后的地震数据，建立考虑随机发生的不确定性和信道衰落的无穷分布时滞神经网络系统的动态模型；

(3)对考虑随机发生的不确定性和信道衰落的无穷分布时滞神经网络系统的动态模型进行状态估计；

(4)根据步骤(3)对具有随机发生的不确定性和信道衰落的无穷分布时滞神经网络系统的动态模型的状态估计，求出状态估计误差；

(5)根据步骤(4)得到的状态估计误差，得到状态估计增广系统；

(6)利用状态估计增广系统，根据李亚普诺夫稳定性定理，得到状态估计器增益矩阵；

(7)将步骤(6)得到的状态估计器增益矩阵带入步骤(3)中的状态估计公式，完成对考虑随机发生的不确定性和信道衰落的无穷分布时滞神经网络系统的状态估计；

(8)利用得到的状态估计，进行整个目标区的地震资料的成像。

2.依据权利要求1所述的具有信道衰落的无穷分布时滞神经网络系统的状态估计方法，其特征在于，步骤(3)的具体内容为：对考虑随机发生的不确定性和信道衰落的无穷分布时滞神经网络系统的动态模型进行状态估计；

状态估计器公式：

$\left\{\begin{array}{c}\hat{x}(k+1)=A_f\hat{x}\left(k\right)+B_{f}y\left(k\right)\\ \hat{z}\left(k\right)=C_{f}x\left(k\right)+D_{f}y\left(k\right)\end{array}\right.---\left(2\right)$

式中x(k)为在k时刻对状态向量x(k)的估计值，x(k+1)为k+1时刻对状态向量x(k+1)的估计值，y(k)为神经网络系统k时刻的实际测量输出，为z(k)在k时刻的估计值，A_f,B_f,C_f,D_f为待求状态估计器增益矩阵。

3.依据权利要求1所述的具有信道衰落的无穷分布时滞神经网络系统的状态估计方法，其特征在于，步骤(7)的具体内容为：将步骤(6)得到的状态估计器增益矩阵A_f,B_f,C_f,D_f带入步骤(3)中的状态估计公式，完成对考虑随机发生的不确定性和信道衰落的无穷分布时滞神经网络系统的状态估计。