發(fā)布時(shí)間：2020-12-27 13:30

　　數(shù)據(jù)缺失和不可觀察是系統(tǒng)數(shù)據(jù)采集和處理過程中,因采樣頻率不一致、設(shè)備受限、環(huán)境惡劣等導(dǎo)致的問題,導(dǎo)致數(shù)據(jù)處理和分析結(jié)果產(chǎn)生偏差,對(duì)設(shè)計(jì)系統(tǒng)控制算法提供錯(cuò)誤的數(shù)學(xué)模型。EM算法能在缺失數(shù)據(jù)的模式下,提高數(shù)據(jù)處理的質(zhì)量,是系統(tǒng)建模和參數(shù)辨識(shí)的有效方法之一�；诳柭鼮V波的EM算法（EM-KF）采用RTS平滑算法進(jìn)行狀態(tài)估計(jì),估計(jì)結(jié)果更加精確,此算法應(yīng)用廣泛,如盲源分離等,然而現(xiàn)存對(duì)EM-KF算法的應(yīng)用僅僅只是停留在對(duì)隨機(jī)狀態(tài)空間模型的應(yīng)用上,這類應(yīng)用面極為狹窄,實(shí)際的工業(yè)系統(tǒng)往往采用更一般的廣義狀態(tài)空間模型,更適用于輸入信號(hào)進(jìn)行控制。EM-KF算法不僅能處理數(shù)據(jù)缺失情況下的系統(tǒng),并對(duì)具有輸入數(shù)據(jù)的廣義狀態(tài)空間模型有良好的應(yīng)用。本文將控制模型添加到隨機(jī)狀態(tài)空間模型中,研究廣義的狀態(tài)空間模型,針對(duì)采樣數(shù)據(jù)缺失問題,對(duì)EM-KF算法進(jìn)行改進(jìn),同時(shí)改進(jìn)相關(guān)RTS平滑算法以適用新模型,并推導(dǎo)了改進(jìn)的算法理論公式。本文對(duì)提出的算法進(jìn)行了仿真,并應(yīng)用于工業(yè)烘干機(jī)系統(tǒng),該算法與子空間算法進(jìn)行了仿真比較,辨識(shí)結(jié)果相對(duì)較好。進(jìn)一步在不同比例的數(shù)據(jù)隨機(jī)丟包情況下,驗(yàn)證了所提出的算法的有效性。 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：52 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 本章研究?jī)?nèi)容
        1.3.1 本文的工作
        1.3.2 論文的可能創(chuàng)新之處
第二章 缺失數(shù)據(jù)基本處理方法
    2.1 缺失數(shù)據(jù)
    2.2 缺失數(shù)據(jù)的機(jī)制和模式
    2.3 缺失數(shù)據(jù)的處理方法
    2.4 本章小結(jié)
第三章 期望最大化和卡爾曼濾波算法
    3.1 EM算法
    3.2 KF的基本理論
    3.3 本章小結(jié)
第四章 基于卡爾曼濾波的EM改進(jìn)算法
    4.1 隨機(jī)KF模型的EM算法
        4.1.1 狀態(tài)空間模型
        4.1.2 KF模型
        4.1.3 EM-KF算法
    4.2 改進(jìn)的EM-KF算法
        4.2.1 改進(jìn)的RTS平滑算法
        4.2.2 改進(jìn)的EM-KF算法
    4.3 仿真與分析
        4.3.1 理論模型的仿真
        4.3.2 工業(yè)模型的仿真
        4.3.3 關(guān)于不同比例缺失數(shù)據(jù)的仿真對(duì)比
    4.4 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間申請(qǐng)的專利
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于高斯混合模型的情感LPC系數(shù)的研究[J]. 陳明義,許玲玲,陳寧.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(09)
[2]凸約束廣義線性模型參數(shù)MLE估計(jì)的收斂性研究[J]. 鐘紹軍,童恒慶.  統(tǒng)計(jì)與決策. 2012(04)
[3]高斯混合模型參數(shù)估值算法的優(yōu)化[J]. 翟繼友,張鵬.  計(jì)算機(jī)技術(shù)與發(fā)展. 2011(11)
[4]EM算法研究與應(yīng)用[J]. 王愛平,張功營(yíng),劉方.  計(jì)算機(jī)技術(shù)與發(fā)展. 2009(09)
[5]混合Weibull分布參數(shù)估計(jì)的EM算法[J]. 楊明,畢涌,雷英杰.  華北工學(xué)院學(xué)報(bào). 2003(05)
[6]EM算法收斂的必要條件[J]. 王兆軍.  南開大學(xué)學(xué)報(bào)(自然科學(xué)版). 1994(02)
[7]EM算法的收斂性[J]. 程興新.  北京大學(xué)學(xué)報(bào)(自然科學(xué)版). 1987(03)



本文編號(hào)：2941819