基于小波神经网络的滤波器设计方法  

Design Method of Filter Based on Wavelet Neural Network

作　　者：邢化玲[1] 高社生[1] 唐士杰[1] 

机构地区：[1]西北工业大学自动化学院,陕西西安710072

出　　处：《计算机测量与控制》2007年第5期660-661,688,共3页Computer Measurement &Control

基　　金：国家自然科学基金资助项目(60574034)

摘　　要：利用卡尔曼滤波器进行状态估计时,要求系统具有已知的数学模型和噪声统计特性等先验知识,而实际系统往往不能满足这一要求;针对这种情况,提出了一种小波神经网络滤波器设计的方法,它结合了神经网络的函数逼进能力和小波变换的良好局部特性及多分辨率特性,使网络能根据数据的分布情况以不同的分辨率进行学习,从而使网络具有更灵活有效的函数逼近能力,提高了估计精度;仿真结果表明,用该滤波器对系统状态进行估计,其精度高于卡尔曼滤波器的估计精度。Kalman filter demands prior knowledge of mathematical model and noise characteristics about the known system, but usually the physical system can＇t meet the demand. In view of this problem, based on the function approximation capability of the neural network and local and multi- resolution characteristics of wavelet transform, a design method of wavelet neural network filter is proposed to estimate the state of the system. Simulation shows that tracking accuracy of this method is better than that of Kalman filter.

关 键 词：小波神经网络 状态估计 滤波器 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]