论文研究 基于数据滤波的带协方差重置的递推贝叶斯算法.pdf

针对传统最小二乘算法计算量大、在有色噪声干扰下估计有误差的问题，提出了一种基于滤波技术的带协方差重置的递推贝叶斯算法。该算法使用一个动态非线性滤波器对输入输出数据进行滤波，然后使用贝叶斯方法进行参数估计。为了加快参数的收敛速度，在算法中加入了一种新型的协方差重置策略。计算量分析表明，当过程模型和噪声模型的阶数分别为6和4的时候，所提算法可以减少约62.35%的计算量。仿真结果显示，所提算法与传统最小二乘算法在采样数据长度为3 000时的估计误差分别为0.771%和1.118%。因此，所提算法具有较高的计算效率，并且可以给出精度较高的参数估计值。