龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国海洋大学
摘要：本发明提供了一种适合于小样本的多尺度集合调整卡尔曼滤波方法,基于一个数值模式，要求模式的模拟结果对实际问题中关注的过程要有代表性。同时，搜集观测数据，以满足用同化算法和观测数据修正模式状态的要求。同时，利用该模式，生成个动态的集合成员。通过本发明的技术方案，与传统的同化方法相比，本同化方法既维持了集合滤波流依赖的特征，又对背景流的低频信号有代表性，从而有更加准确的系统状态估计。由于每一个集合成员在执行集合调整卡尔曼滤波之前，先使用了多尺度同化算法进行了一步滤波，此方法利用少量的集合成员数量即可有较好的状态估计结果。
主权项：1.一种适合于小样本的高效多尺度集合调整卡尔曼滤波算法，其特征在于,基于一个数值模式，在模式运行的过程中，设计一个接口，具体包括以下步骤：步骤S1、利用接口，将需要修正的模式状态变量读取到同化模块中；同化,对于每一个动态的集合成员,要用队列结构来记录每个动态集合成员模式最近一段时间的积分值，来构造个静态集合，每个静态集合有个集合成员，静态集合的第个成员，是模式距离当前积分步到前步积分结果的平均，其中s为第τ个静态集合的时间尺度；步骤S2、利用高效多尺度同化算法计算每个尺度上的观测增量： 其中，是第个动态集合成员在观测点上的模式值（插值得到）,代表观测点上的观测值，是第个动态集合成员的第组静态集合算得的标准差，是观测的标准差，表征观测的不确定性；在第i个动态集合成员的观测增量计算过程中，静态集合仅用于计算不确定性和误差协方差，模式背景场则使用该单一动态集合成员的模式值；算得观测增量后，将其投影到模式的状态空间，得到每一个动态集合的模式状态变量的调整值： 是每一个尺度的观测增量对应的权重系数,根据实际问题来确定；是利用第个动态集合成员构建τ时间尺度静态集合成员，计算的模式格点（）与观测格点（）之间的误差协方差；步骤S3、再利用每个更新后的动态集合成员来进行集合卡尔曼滤波：步骤S3-1、在多尺度算法的基础上算得观测增量： 其中，是经过（2）式更新后的动态集合的标准差，则是该动态集合的均值；步骤S3-2、将观测增量投影到模式空间： 。
全文数据：
权利要求：
百度查询： 中国海洋大学 一种适合于小样本的多尺度集合调整卡尔曼滤波方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号