【技术实现步骤摘要】
本申请涉及数据模型混合驱动，尤其涉及一种数据模型混合驱动的卡尔曼滤波器设计方法及系统。
技术介绍
1、卡尔曼滤波器是一种线性的递归滤波器，能够在不确定性的环境中，通过一系列不完全和含有噪声的测量值来估计动态系统的状态。
2、但是，传统的卡尔曼滤波器存在一些局限性，尤其在处理非线性系统、非高斯噪声以及系统建模误差方面。首先，传统的卡尔曼滤波器假设系统是线性的，并且噪声分布满足高斯分布。当这些假设不成立时，滤波器的性能可能会受到严重影响。例如，如果系统是非线性的，那么卡尔曼滤波器可能无法准确估计系统的状态，导致估计结果出现偏差。其次，卡尔曼滤波器的性能对系统噪声和观测噪声的协方差矩阵非常敏感。这些协方差矩阵通常需要根据实际系统进行精确建模和调整。如果建模不准确或调整不当，滤波器的性能可能会受到严重影响，甚至可能导致滤波器发散。此外，卡尔曼滤波器对系统初值也很敏感。如果初值设置不当，可能会导致滤波器在初始阶段无法收敛到正确的状态估计值。因此，为了克服上述局限性，需要一种方法解决上述问题。
3、综上所述，现有技术中由于现...
【技术保护点】
1.一种数据模型混合驱动的卡尔曼滤波器设计方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述配置输入特征向量，包括：
3.如权利要求1所述的方法，其特征在于，所述将所述重构输入数据输入至所述网络模型，执行监督训练，包括：
4.如权利要求3所述的方法，其特征在于，所述方法包括：
5.如权利要求1所述的方法，其特征在于，所述在监督训练过程中，设定超参数，所述超参数包括学习率、权重衰减和批尺寸，并采用余弦退火算法进行学习率调整，包括：
6.如权利要求1所述的方法，其特征在于，所述建立评价...
【技术特征摘要】
1.一种数据模型混合驱动的卡尔曼滤波器设计方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述配置输入特征向量，包括：
3.如权利要求1所述的方法，其特征在于，所述将所述重构输入数据输入至所述网络模型，执行监督训练，包括：
4.如权利要求3所述的方法，其特征在于，所述方法包括：
5.如权利要求1所述的方法，其特征在于，所述在监督训练过...
【专利技术属性】
技术研发人员：申思远，翟正军，陈冀琛，余冠锋，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。