[发明专利]一种不等精度测量数据融合的最优加权参数估算方法在审
申请号: | 201810001201.1 | 申请日: | 2018-01-02 |
公开(公告)号: | CN108228535A | 公开(公告)日: | 2018-06-29 |
发明(设计)人: | 王炯琦;何敏藩;陈彧赟;苗晴;邢立宁;王锐;伍国华;周萱影;孙博文 | 申请(专利权)人: | 佛山科学技术学院;佛山市有义家科技有限公司 |
主分类号: | G06F17/15 | 分类号: | G06F17/15 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 王国标 |
地址: | 528000 广东省佛山市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 观测数据 精度测量 数据融合 融合 加权参数 优化函数 估算 加权 观测 参数估计算法 参数融合 测量数据 估计偏差 均方误差 融合处理 求解 构建 | ||
1.一种不等精度测量数据融合的最优加权参数估算方法,其特征在于,包括:
获取第一类观测数据与第二类观测数据,确定待估参数;
确定所述第一类观测数据与待估参数之间的非线性函数关系,得到第一类观测函数;
确定所述第二类观测数据与待估参数之间的线性函数关系,得到第二类观测函数;
基于所述第一类观测函数以及第二类观测函数,构建第一类观测数据与第二类观测数据的融合优化函数;
基于参数估计均方误差最小准则,求解所述融合优化函数,并根据求解结果,计算所述第一类观测数据与第二类观测数据的最优加权值和待估参数。
2.根据权利要求1所述的一种不等精度测量数据融合的最优加权参数估算方法,其特征在于,所述第一类观测函数如表达式1所示,y1(ti)=f(ti,β)+ε1(ti),i=1,…,m,其中y1(ti)为第ti时刻的第一类观测数据,f(ti,β)为相应的非线性观测函数,β为一元待估参数,β∈R,R为实数域,ε1(ti)(i=1,…,m)为第一类观测数据的测量随机噪声,独立同分布于均值为零,方差为的正态分布,为第一类观测数据的测量精度,m为第一类观测数据的观测样本数。
3.根据权利要求2所述的一种不等精度测量数据融合的最优加权参数估算方法,其特征在于,所述第二类观测函数如表达式2所示,y2(ti)=x(ti)β+ε2(ti),i=1,…,k,其中,y2(ti)为第ti时刻的第二类观测数据,x(ti)为相应的观测矩阵,ε2(ti)(i=1,…,k)第二类观测数据的测量随机噪声,独立同分布于均值为零,方差为的正态分布,为第二类观测数据的测量精度,k为第二类观测数据的样本数。
4.根据权利要求3所述的一种不等精度测量数据融合的最优加权参数估算方法,其特征在于,所述融合优化函数如表达式3所示,其中为所述第一类观测数据与所述第二类观测数据的融合权值,
5.根据权利要求4所述的一种不等精度测量数据融合的最优加权参数估算方法,其特征在于,求解所述融合优化函数,并根据求解结果,计算所述第一类观测数据与第二类观测数据的最优加权值和待估参数,此过程具体地包括以下步骤:
步骤A.设置加权初值通过所述表达式3求解极小值,得到解
步骤B.通过表达式4计算待估参数β的估计均方误差在处的值其中
步骤C.求解极小值通过表达式4对求导并使表达式4等于0,得到
步骤D.设置收敛准则,判断所述是否满足所设置的收敛准则,若满足,则迭代结束,确定为最优融合权值,为参数的最优估计。
6.根据权利要求5所述的一种不等精度测量数据融合的最优加权参数估算方法,其特征在于,步骤D中所述收敛准则如表达式5所示,其中τ为收敛阈值,取τ=0.01。
7.根据权利要求6所述的一种不等精度测量数据融合的最优加权参数估算方法,其特征在于,步骤D中,若所述不满足所设置的收敛准则,将赋值给并返回步骤A,直到迭代收敛为止,其中,为所述第一类观测数据与所述第二类观测数据的融合权值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于佛山科学技术学院;佛山市有义家科技有限公司,未经佛山科学技术学院;佛山市有义家科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810001201.1/1.html,转载请声明来源钻瓜专利网。