基于变量投影算法的时间序列信号重建方法技术

本发明专利技术公开了一种基于变量投影算法的时间序列信号重建方法，采用FNN网络来拟合准线性AR模型的时变系数，构造出FNN‑AR模型，并对时间序列进行信号重建。由于FNN‑AR模型将复杂度分散到各回归项中，因此可有效降低模型中各FNN网络的阶次。本发明专利技术充分利用FNN‑AR模型参数可分离的结构特点，设计了一种高效的变量投影算法对FNN‑AR模型的参数进行优化，该方法较一般的非线性参数优化方法具有更高的优化效率和精度。

Time series signal reconstruction method based on variable projection algorithm

【技术实现步骤摘要】
基于变量投影算法的时间序列信号重建方法
本专利技术涉及时间序列信号的重建方法，特别是一种基于变量投影算法的时间序列信号重建方法。
技术介绍
伴随着信息采集技术的快速发展，很多研究领域，比如：经济学、气象学、生物学等已积累了大量的数据，而这些数据大都是以时间序列形式展现的。针对这类时间序列数据，研究者们所面临的一个挑战性问题是，如何对这些时间序列数据信号进行重建。比如，信息系统科学中的基于数据的系统辨识方法就采用了大量的时间序列数据进行信号重建。由于时间序列的易获取性与广泛存在性，时间序列的信号重建研究具有重要的理论与现实意义。到目前为止，研究者们已提出了众多的时间序列重建模型，比如：Volterra级数模型、Hammerstein模型、指数自回归模型、模糊系统模型、变系数结构模型等。已有研究表明，如果采用时变系数的准线性自回归结构(AR)模型来对时间序列进行信号重建往往会得到较好的效果。神经网络(RBF)因其较强的函数逼近能力，可用于拟合准线性自回归模型的时变系数，进而得到RBF-AR模型，该类模型已被广泛应用于时间序列信号重建、非线性本文档来自技高网...

【技术保护点】
1.一种基于变量投影算法的时间序列信号重建方法，其特征在于，包括以下步骤：/n1)采集用于FNN-AR建模的时间序列信号数据集{y(1),y(2),...,y(M)}；/n2)利用所述时间序列信号数据集构建FNN-AR模型；/n

【技术特征摘要】
1.一种基于变量投影算法的时间序列信号重建方法，其特征在于，包括以下步骤：
1)采集用于FNN-AR建模的时间序列信号数据集{y(1),y(2),...,y(M)}；
2)利用所述时间序列信号数据集构建FNN-AR模型；



其中：y(t)为第t个时间序列信号的值；ξ(t)为第t个采样时刻的建模误差；φ0(y(t-1))和φy,i(y(t-1))为系数；
3)将步骤2)中的FNN-AR模型转换成参数分离的结构形式；
4)对FNN-AR模型的线性参数θL和非线性参数θN进行优化；
5)针对不同阶次的FNN-AR模型分别采用步骤4)方法进行参数优化，最终采用最小信息量准则判断时间序列信号的最优FNN-AR模型，利用该最优FNN-AR模型进行时间序列信号重建。


2.根据权利要求1所述的基于变量投影算法的时间序列信号重建方法，其特征在于，系数φ0(y(t-1))和φy,i(y(t-1))的具体结构如下：



其中，和为FNN-AR模型的线性参数；和为模糊隶属度函数；和为第j个模糊集合的隶属度函数对应的均值和标准差，为相应的权系数。


3.根据权利要求1所述的基于变量投影算法的时间序列信号重建方法，其特征在于，步骤3)中，FNN-AR模型参数分离的结构形式如下：
y(t)＝μ(θN,y(t-1))TθL+ξ(t)；
其中，为FNN-AR模型的线性参数；为FNN-AR模型的非线性参数；其中且j＝1,2,...,m,i＝1,2,...,n。


4.根据权利要求1所述的基于变量投影算法的时间序列信号重建方法，其特征在于，步骤4)的具体实现过程包括：
...

【专利技术属性】
技术研发人员：张刚林，周锋，陈威兵，李玮，
申请(专利权)人：长沙学院，
类型：发明
国别省市：湖南;43