卡尔曼滤波在多维AR序列建模中的应用

作为时间序列模型的一种 ,AR模型由于参数估计和定阶简单而广泛应用于系统辨识。在多维AR序列的最小二乘建模的基础上 ,结合卡尔曼滤波算法 ,推导了应用卡尔曼滤波技术的多维AR序列参数估计方法以及加入衰减因子后的卡尔曼滤波算法。该算法不需要保存历史数据 ,在得到新的“观测”数据后可以对AR模型的估计参数进行实时改正。在确定AR模型阶数时 ,提出了快速F检验法 ,大大减少了建模过程中的计算工作量 。