导读:本文包含了自适应预测滤波论文开题报告文献综述及选题提纲参考文献，主要关键词:速度预测,射频识别,数据采集,自适应
自适应预测滤波论文文献综述
冯安琪,钱丽萍,黄玉苹,吴远[1]（2019）在《RFID环境下基于自适应卡尔曼滤波的高速移动车辆速度预测》一文中研究指出针对高速移动车辆的速度预测问题,提出了一种射频识别(Radio Frequency Identification,RFID)环境下的基于自适应卡尔曼滤波的车辆速度预测方法。在RFID系统中,当车辆通过标签时,首先,阅读器需要获取该标签上最后一辆车的状态信息(即当前速度和时间戳),同时将自己的状态信息发送到该标签;然后,根据所获得的状态信息来构造状态空间模型;最后,通过带有变遗忘因子的自适应卡尔曼滤波算法来预测和调整车速。自适应卡尔曼滤波算法是利用期望输出值与实际输出值之间的误差来实现自适应遗忘因子的自适应更新,从而实现预测模型的在线更新。数值结果进一步表明,与最小二乘法和传统的卡尔曼滤波算法相比,该算法分别提高了87.5%和50%的速度预测精度,从而证明该算法可以为实际应用提供更好的实时性。(本文来源于《计算机科学》期刊2019年04期）
顾建强,刘海星,张朝,赵梦珂,张弛[2]（2019）在《基于自适应卡尔曼滤波的用水量预测和爆管诊断》一文中研究指出管道爆管事故不仅造成大量水资源的浪费,还严重影响周围环境和居民的生产生活,因此需要开发实时的爆管预警方法。根据大连理工大学西山生活区水表实时上传的流量数据,采用自适应卡尔曼滤波器,进行了为期1年的日流量实时预测,并根据预测曲线和实测曲线的偏差来判断爆管事故的发生,实现爆管诊断过程。结果表明,卡尔曼滤波器的预测可以随实测曲线的趋势而变化,并且预测曲线始终在实测曲线的均值上下波动,预测曲线既可以抵抗突变值的扰动,又能较准确地预测流量趋势;合理设置偏差限值,可以提高事故检测准确率。(本文来源于《中国给水排水》期刊2019年07期）
李军,王秋莉[3]（2018）在《基于核自适应滤波的短时交通流量在线预测（英文）》一文中研究指出针对传统交通流量预测模型准确率低的问题,提出一类基于核自适应滤波算法的在线自适应预测模型,包括核最小均方(kernel least mean square,KLMS)算法和固定预算核递推最小二乘(fixed-dudget kernel recursive least-square,FB-KRLS)算法。KLMS算法的计算复杂度较低且具有鲁棒性,能通过正则化过程,克服高维数据处理时正则化性能降低的问题。为进一步降低计算复杂度,引入稀疏技术到KLMS算法。为提高预测精度,提出了FB-KRLS算法。FB-KRLS算法是一种固定内存预算的在线学习方法,与以往的"近似线性依赖技术(approximate linear dependence,ALD)"技术不同,每次时间更新时并不"修剪"最旧的数据,而是"修剪"最无用的数据,从而抑制核矩阵的不断增长。为验证所提方法的有效性,将其应用于北京市实测交通流数据的单步及多步预测中,并在同等条件下,与在线自适应ALD-KRLS方法以及其他核学习方法进行了比较。实验结果表明,本文所提的滤波算法方法可以提高预测精度,其在线学习能力使得所提出的两种预测方法能自适应、实时地进行在线交通流量预测,从而满足了交通流量的实际特性,具有很好的应用潜力。(本文来源于《Journal of Measurement Science and Instrumentation》期刊2018年04期）
容静,刘立龙,康昊华,李松青,周吕[4]（2018）在《基于方差补偿自适应Kalman滤波的ARMA与PSO-SVM模型变形预测》一文中研究指出根据变形监测数据非线性、波动性特征及实时动态数据处理的要求,在选取方差补偿自适应Kalman滤波进行随机扰动剔除及模型误差削弱分析的基础上,采取自回归移动平均模型(ARMA)构建趋势预测值,最后通过粒子群(PSO)优化参数的支持向量机(SVM)获得误差补偿修正的ARMA模型。应用该方法对变形监测工程实例进行沉降预测,预测结果验证了该方法能较好地描述复杂环境因素下的工程实际变形量,对工程预警预测有一定的参考价值。(本文来源于《大地测量与地球动力学》期刊2018年07期）
王建敏,黄佳鹏,刘梓然,祝会忠,马天明[5]（2018）在《自适应卡尔曼滤波的电离层TEC预测模型改进》一文中研究指出针对直接使用IGS公布的电离层总电子数进行建模会导致预测模型建立存在偏差,以及使用传统卡尔曼滤波在对大量数据进行预处理时容易导致数据发散,进而降低电离层TEC模型预测精度的问题,提出一种利用自适应卡尔曼滤波的改进方法,使用方差补偿自适应卡尔曼滤波对原始数据进行预处理,再利用小波神经网络完成预测,最后分析模型预报的精准度。实验结果表明,此方法的预测平均精度相对直接使用原始数据建模和传统卡尔曼滤波都有不同程度的提高。(本文来源于《导航定位学报》期刊2018年02期）
李梦昕[6]（2018）在《基于自适应进化滤波的非线性机电系统故障诊断和预测方法研究》一文中研究指出近几十年来,随着高新技术产业的兴起,电机在工业应用中的作用越来越重要。生产过程对电机的安全性和可靠性提出了迫切的要求,因此,研究适用于机电系统的快速有效的故障诊断和预测方法是相当重要的。本文提出了一种基于模型的非线性机电系统故障实时诊断和预测方法。键合图作为一种高效的建模方法,可以通过直观的图形来描述受监控系统的因果关系,常用于监测电气、机械和液压等多能域并存的复杂系统。在本文中,考虑Stribeck摩擦力的影响建立了机电系统键合图模型。首先,基于键合图模型进行系统的故障诊断。通过分析模型中所有结点的本构关系和与结点相连的因果关系路径,生成解析冗余关系式(Analytical Redundancy Relation,ARR)。通过结合独立和非独立的ARRs,构建出组合式故障特征矩阵,以提高被监控系统在多故障条件下的隔离能力。故障隔离后,提出了一种自适应进化滤波(Adaptive Evolutionary Filter,AEF)算法用于故障估计和剩余使用寿命预测。AEF方法可以根据粒子的适应度自适应地调节遗传参数,能有效缓解传统粒子滤波算法中存在的粒子贫乏现象,提高参数估计和剩余寿命预测精度。最后,搭建了非线性机电系统实验平台,验证了所建立键合图模型的正确性,并通过仿真和实验对比分析,验证了所提出的方法的有效性。(本文来源于《合肥工业大学》期刊2018-03-01）
王建敏,黄佳鹏,席克伟,祝会忠[7]（2017）在《大气可降水量预测模型的自适应Kalmam滤波改进》一文中研究指出针对现有可降水量预报模型存在预报精度不高等问题,该文提出采用方差分量估计自适应卡尔曼滤波对可降水量数据进行预处理,用以提高径向基神经网络预测模型的预测精度,从而形成高精度预报模型。通过比较不同基站不同时间的数据,分析使用方法的预报精度。实验结果表明:将预测模型应用于全国7个测站进行实验,预测相对精度的平均值可达95%以上,预报残差在10-5左右,残差值小于0.001的占90%以上。在影响因素方面,使用较短时间作为模型原始数据进行预测会得到较好的预测结果。实验证明本预测方法在预报大气可降水量值方面具有较高的精度。(本文来源于《测绘科学》期刊2017年12期）
徐晓苏,吴梅,张涛,李瑶,王捍兵[8]（2017）在《一种新型自适应模型预测组合滤波在在线标定中的应用》一文中研究指出为了提高捷联惯性导航系统在线标定的精度和实时性,根据模型预测滤波算法和Sage_Husa自适应卡尔曼滤波算法的优点,提出了一种新的自适应模型预测组合滤波算法。该算法首先利用模型预测滤波算法估计出系统模型误差,并对系统状态方程实时修正,以减小系统模型误差对导航精度的影响;然后利用简化的自适应滤波算法对量测噪声在线调整,修正噪声统计特性,以提高滤波精度。将提出的算法进行在线标定仿真实验,并与传统的卡尔曼滤波在线标定算法进行比较,结果表明,提出的自适应模型预测组合滤波算法能有效完成在线标定,且标定精度和收敛速度均优于传统方法。(本文来源于《中国惯性技术学报》期刊2017年06期）
曲英铭,李振春,黄建平,李金丽,李雪松[9]（2016）在《自适应匹配预测滤波压制可控震源谐波》一文中研究指出本文提出了一种基于最小二乘思想的自适应匹配预测滤波的谐波压制方法,采用相移法分离地面力信号的基波和谐波分量。通过构建自适应匹配滤波算子,用最小二乘的思想不断迭代,以达到匹配预测谐波干扰与真实谐波干扰的目的。模拟记录与实际记录的试算结果表明:本文方法能有效地压制谐波干扰,同时不损伤有效信号,验证了本文方法的有效性和可行性。(本文来源于《石油地球物理勘探》期刊2016年06期）
胡春芬[10]（2016）在《利用Mehra自适应卡尔曼滤波进行船舶跟踪预测》一文中研究指出海上船舶的精确跟踪和实时航迹预测是避免船只碰撞、实现海上交通安全管理的关键技术。传统卡尔曼滤波模型中存在系统缺陷,其要求噪声模型为先验知识,不符合实际应用情况。为弥补此不足,本文以Mehra自适应滤波思路为基础,提出一种自适应卡尔曼滤波算法,以动态统计的形式体现噪声模型的变化特性,并通过在线自适应调整噪声均值和协方差,及时修正滤波预测结果,提高船舶跟踪精度。最后通过仿真实验证明该算法的有效性。(本文来源于《舰船科学技术》期刊2016年22期）
自适应预测滤波论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
管道爆管事故不仅造成大量水资源的浪费,还严重影响周围环境和居民的生产生活,因此需要开发实时的爆管预警方法。根据大连理工大学西山生活区水表实时上传的流量数据,采用自适应卡尔曼滤波器,进行了为期1年的日流量实时预测,并根据预测曲线和实测曲线的偏差来判断爆管事故的发生,实现爆管诊断过程。结果表明,卡尔曼滤波器的预测可以随实测曲线的趋势而变化,并且预测曲线始终在实测曲线的均值上下波动,预测曲线既可以抵抗突变值的扰动,又能较准确地预测流量趋势;合理设置偏差限值,可以提高事故检测准确率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应预测滤波论文参考文献
[1].冯安琪,钱丽萍,黄玉苹,吴远.RFID环境下基于自适应卡尔曼滤波的高速移动车辆速度预测[J].计算机科学.2019
[2].顾建强,刘海星,张朝,赵梦珂,张弛.基于自适应卡尔曼滤波的用水量预测和爆管诊断[J].中国给水排水.2019
[3].李军,王秋莉.基于核自适应滤波的短时交通流量在线预测（英文）[J].JournalofMeasurementScienceandInstrumentation.2018
[4].容静,刘立龙,康昊华,李松青,周吕.基于方差补偿自适应Kalman滤波的ARMA与PSO-SVM模型变形预测[J].大地测量与地球动力学.2018
[5].王建敏,黄佳鹏,刘梓然,祝会忠,马天明.自适应卡尔曼滤波的电离层TEC预测模型改进[J].导航定位学报.2018
[6].李梦昕.基于自适应进化滤波的非线性机电系统故障诊断和预测方法研究[D].合肥工业大学.2018
[7].王建敏,黄佳鹏,席克伟,祝会忠.大气可降水量预测模型的自适应Kalmam滤波改进[J].测绘科学.2017
[8].徐晓苏,吴梅,张涛,李瑶,王捍兵.一种新型自适应模型预测组合滤波在在线标定中的应用[J].中国惯性技术学报.2017
[9].曲英铭,李振春,黄建平,李金丽,李雪松.自适应匹配预测滤波压制可控震源谐波[J].石油地球物理勘探.2016
[10].胡春芬.利用Mehra自适应卡尔曼滤波进行船舶跟踪预测[J].舰船科学技术.2016