一种不等精度测量数据融合的最优加权参数估算方法技术

本发明专利技术公开了一种不等精度测量数据融合的最优加权参数估算方法，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；得到第一类观测函数；得到第二类观测函数；构建第一类观测数据与第二类观测数据的融合优化函数；求解所述融合优化函数，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。本发明专利技术通过估计偏差和均方误差的计算，给出了多类观测数据融合处理时最优融合权值的计算方法，同时建立了相应的参数估计算法，实现了数据融合处理时能够进一步精确地计算得到不等精度测量数据最优加权下的参数融合估算值。本发明专利技术创造用于融合不等精度的测量数据。

【技术实现步骤摘要】
一种不等精度测量数据融合的最优加权参数估算方法
本专利技术涉及数据融合
，更具体地说涉及一种不等精度测量数据融合的最优加权参数估算方法。
技术介绍
在测量数据融合处理中，最典型的是不同类型、不等精度数据的融合。当将观测数据表示为参数模型后，测量数据融合问题可以转换为回归模型的参数估计问题。测量数据的融合处理有利于提高参数估计的精度。其中，不同类型数据或异类数据，是指观测数据关于待估参数的函数关系不同，从而其各阶导数也不同。如果融合处理中涉及到多种不等精度的观测数据，这些数据不同的加权方式，对参数估计结果有很大的影响，因此对于不等精度数据融合的加权处理成为提高参数估计精度的关键技术。对于线性回归模型的参数估计，Gauss-Markov定理(高斯-马尔可夫定理)给出了不等精度测量数据的唯一最优加权原则，即融合权值仅与测量数据的精度有关。而对于存在非线性模型的多类观测数据融合处理时，最优融合权值不再由测量数据的精度唯一决定，而是同时与观测模型的结构有关，即线性模型经典的Gauss-Markov定理不再成立。但目前关于存在非线性模型的观测数据融合过程中，常常假设所有观测数据为等精度的，即观测数据的随机误差是独立同分布，从而不考虑加权，或直接用线性模型的Gauss-Markov定理的结论对包括线性和非线性模型的多类测量数据进行加权，从而降低了数据融合的精度。对于包括非线性模型在内的多类观测数据融合参数估计时，由于都是假设所有观测数据为等精度的，或者直接利用观测数据的精度来进行加权融合，因此，针对存在非线性观测模型的多类不等精度观测数据融合，其参数融合估计结果值存在一定的误差。
技术实现思路
本专利技术要解决的技术问题是：提供一种不等精度测量数据融合的最优加权参数估算方法。本专利技术解决其技术问题的解决方案是：一种不等精度测量数据融合的最优加权参数估算方法，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。作为上述技术方案的进一步改进，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。作为上述技术方案的进一步改进，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。作为上述技术方案的进一步改进，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，作为上述技术方案的进一步改进，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。作为上述技术方案的进一步改进，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。作为上述技术方案的进一步改进，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。本专利技术的有益效果是：本专利技术通过估计偏差和均方误差的计算，给出了多类观测数据融合处理时最优融合权值的计算方法，同时建立了相应的参数估计算法，实现了数据融合处理时能够进一步精确地计算得到不等精度测量数据最优加权下的参数融合估算值。本专利技术创造用于融合不等精度的测量数据。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本专利技术的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。图1是本专利技术的估算方法流程图。具体实施方式以下将结合实施例和附图对本专利技术的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本专利技术的目的、特征和效果。显然，所描述的实施例只是本专利技术的一部分实施例，而不是全部实施例，基于本专利技术的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本专利技术保护的范围。参照图1，本专利技术创造公开了一种不等精度测量数据融合的最优加权参数估算方法，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。具体地，本专利技术通过估计偏差和均方误差的计算，给出了多类观测数据融合处理时最优融合权值的计算方法，同时建立了相应的参数估计算法，实现了数据融合处理时能够进一步精确地计算得到不等精度测量数据最优加权下的参数融合估算值。进一步作为优选的实施方式，本专利技术创造具体实施方式中，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。进一步作为优选的实施方式，本专利技术创造具体实施方式中，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。进一步作为优选的实施方式，本专利技术创造具体实施方式中，所述融合本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
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，...

【专利技术属性】
技术研发人员：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，
类型：发明
国别省市：广东,44