为取得更有效的预报效果,在深入分析传统LMS(Least mean square)算法的基础上,提出利用仿射投影算法对AR模型参数进行自适应估计,利用实测的动态数据结合AIC(Akaike information criterion)准则建立自适应AR(Autoregressive)预报模型,...为取得更有效的预报效果,在深入分析传统LMS(Least mean square)算法的基础上,提出利用仿射投影算法对AR模型参数进行自适应估计,利用实测的动态数据结合AIC(Akaike information criterion)准则建立自适应AR(Autoregressive)预报模型,并将该模型应用于船舶运动预报中,实例仿真比较分析表明:相对于LMS算法、LMS-Newton法和NLMS(归一化LMS)算法,基于仿射投影算法得到的AR预报模型,预报精度更高、预报时间更长,且在自适应AR模型参数估计中具有更快的收敛速度,能为实时在线预报提供理论依据.展开更多
文摘为取得更有效的预报效果,在深入分析传统LMS(Least mean square)算法的基础上,提出利用仿射投影算法对AR模型参数进行自适应估计,利用实测的动态数据结合AIC(Akaike information criterion)准则建立自适应AR(Autoregressive)预报模型,并将该模型应用于船舶运动预报中,实例仿真比较分析表明:相对于LMS算法、LMS-Newton法和NLMS(归一化LMS)算法,基于仿射投影算法得到的AR预报模型,预报精度更高、预报时间更长,且在自适应AR模型参数估计中具有更快的收敛速度,能为实时在线预报提供理论依据.