本發(fā)明涉及信號(hào)處理
技術(shù)領(lǐng)域：
，尤其涉及一種自適應(yīng)在線濾波方法。
背景技術(shù)：
：隨著大數(shù)據(jù)時(shí)代的來(lái)臨，各種各樣的數(shù)據(jù)時(shí)時(shí)刻刻都會(huì)經(jīng)由如手機(jī)、智能手環(huán)、共享單車(chē)等各式各樣的傳感器器件傳輸?shù)綌?shù)據(jù)中心中，與此同時(shí)，人們對(duì)數(shù)據(jù)的準(zhǔn)確性和可靠性的要求也越來(lái)越高；但是，在實(shí)際系統(tǒng)中，錯(cuò)誤的測(cè)量方式、傳感器元件的老化、有缺陷的數(shù)據(jù)收集方式或外界的干擾等，都會(huì)造成測(cè)量數(shù)據(jù)中含有噪音，而任何噪音都有可能對(duì)數(shù)據(jù)的分析和使用造成嚴(yán)重的誤差和錯(cuò)誤的結(jié)果。因此如何實(shí)時(shí)的處理這些數(shù)據(jù)，實(shí)現(xiàn)在線去噪，提高數(shù)據(jù)精度具有重要的意義。在實(shí)際系統(tǒng)中，常常需要實(shí)時(shí)在線的處理傳感器的測(cè)量數(shù)據(jù)，以達(dá)到實(shí)時(shí)數(shù)據(jù)傳輸，比如對(duì)行人車(chē)輛軌跡測(cè)量、土木結(jié)構(gòu)的形變監(jiān)測(cè)等等，所以需要大量離線數(shù)據(jù)的方法如小波變換濾波，頻率域?yàn)V波并不適用。其次，傳感器測(cè)到的很多測(cè)量數(shù)據(jù)都是具有強(qiáng)機(jī)動(dòng)性的，所以，sg濾波方法、bise方法、平滑濾波法、指數(shù)平滑濾波法、經(jīng)典的卡爾曼濾波等傳統(tǒng)方法都無(wú)法保留數(shù)據(jù)迅速變化的特性，去噪效果不夠精確。最后，由于測(cè)量過(guò)程中測(cè)量噪音的存在，會(huì)極大的影響數(shù)據(jù)精度，人們往往利用經(jīng)驗(yàn)知識(shí)來(lái)給定測(cè)量噪音方差，這樣的方法是不夠準(zhǔn)確的。在現(xiàn)有的研究成果和技術(shù)方法中，還沒(méi)有能夠同時(shí)解決上述三類(lèi)問(wèn)題的高精度在線去噪方法，導(dǎo)致現(xiàn)有方法的通用性較弱，精度較低。技術(shù)實(shí)現(xiàn)要素：基于此，本發(fā)明的目的在于提供一種自適應(yīng)在線濾波的方法，利用多個(gè)自適應(yīng)模型實(shí)時(shí)修正參數(shù)，解決了傳感器測(cè)量數(shù)據(jù)的高精度在線去噪問(wèn)題，其精度高，普適性強(qiáng)，具有良好的在線去噪效果。該方法是一種基于自適應(yīng)當(dāng)前統(tǒng)計(jì)模型的改進(jìn)的卡爾曼濾波器的方法。首先，為了到達(dá)在線去噪的目的，采用了遞歸卡爾曼濾波；其次，運(yùn)用自適應(yīng)當(dāng)前統(tǒng)計(jì)模型來(lái)抓取數(shù)據(jù)的波動(dòng)特性，同時(shí)也去除估計(jì)過(guò)程中的有色噪音；最后，引入滑動(dòng)窗口，并且運(yùn)用一種自適應(yīng)平滑濾波的誤差補(bǔ)償方法，將測(cè)量噪音收斂于真值，并去除測(cè)量噪音，從而使結(jié)果更加精確。具體實(shí)現(xiàn)步驟如下：步驟1：數(shù)據(jù)波動(dòng)狀態(tài)和系統(tǒng)自適應(yīng)參數(shù)初始化；步驟2：建立具有系統(tǒng)自適應(yīng)參數(shù)的自適應(yīng)當(dāng)前統(tǒng)計(jì)模型，求出符合數(shù)據(jù)波動(dòng)特性的狀態(tài)轉(zhuǎn)移矩陣φ(k+1,k)，輸入矩陣u(k)以及有色過(guò)程噪音方差q(k)；其中，系統(tǒng)自適應(yīng)參數(shù)包括機(jī)動(dòng)頻率α和變化率方差步驟3：根據(jù)自適應(yīng)當(dāng)前統(tǒng)計(jì)模型和數(shù)據(jù)初始狀態(tài)對(duì)數(shù)據(jù)進(jìn)行一步預(yù)測(cè)，得出下一時(shí)刻數(shù)據(jù)的狀態(tài)預(yù)測(cè)值步驟4：基于自適應(yīng)當(dāng)前統(tǒng)計(jì)模型和過(guò)程噪音計(jì)算向前一步估計(jì)方差p(k+1|k)；步驟5：通過(guò)測(cè)量數(shù)據(jù)y(k+1)和狀態(tài)預(yù)測(cè)值計(jì)算出估計(jì)過(guò)程中的殘差e(k)；步驟6：引入滑動(dòng)窗口；步驟7：通過(guò)滑動(dòng)窗口和殘差計(jì)算出窗口內(nèi)殘差均值步驟8：通過(guò)殘差均值和向前一步估計(jì)方差求出測(cè)量噪音r(k)；步驟9：根據(jù)向前一步估計(jì)方差和測(cè)量噪音求出卡爾曼濾波增益k(k+1)；步驟10：根據(jù)向前一步狀態(tài)預(yù)測(cè)值，測(cè)量數(shù)據(jù)和卡爾曼濾波增益更新?tīng)顟B(tài)估計(jì)值步驟11：通過(guò)卡爾曼濾波增益和向前一步估計(jì)方差，得到更新后的估計(jì)方差p(k+1|k+1)；步驟12：利用yule-walker方法，通過(guò)狀態(tài)估計(jì)值更新系統(tǒng)自適應(yīng)參數(shù)，進(jìn)而更新自適應(yīng)當(dāng)前統(tǒng)計(jì)模型。步驟13：重復(fù)步驟2至步驟12，直至所有測(cè)量數(shù)據(jù)全部執(zhí)行完畢，則結(jié)束。在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)。進(jìn)一步地，步驟1中數(shù)據(jù)波動(dòng)狀態(tài)和系統(tǒng)自適應(yīng)參數(shù)初始化包括：設(shè)置數(shù)據(jù)波動(dòng)狀態(tài)的初始值設(shè)置估計(jì)方差初值p(0|0)＝p0；設(shè)置自適應(yīng)當(dāng)前統(tǒng)計(jì)模型參數(shù)初值：α(0)＝α0、設(shè)置過(guò)程噪音方差初值q(0)＝q0；設(shè)置測(cè)量噪音方差初值r(0)＝r0。進(jìn)一步地，步驟2中建立具有系統(tǒng)自適應(yīng)參數(shù)的自適應(yīng)當(dāng)前統(tǒng)計(jì)模型，包括：將系統(tǒng)的狀態(tài)向量設(shè)置成：x,分別表示位移、速度和加速度；建立反應(yīng)數(shù)據(jù)波動(dòng)特性的離散時(shí)間方程：式中，x(k+1)為k+1時(shí)刻數(shù)據(jù)的狀態(tài)向量，k為采樣時(shí)刻；φ(k+1,k)表示狀態(tài)轉(zhuǎn)移矩陣；x(k)為k時(shí)刻數(shù)據(jù)的狀態(tài)向量，u(k)表示輸入矩陣，為0時(shí)刻開(kāi)始至k時(shí)刻數(shù)據(jù)的加速度均值；w(k)表示過(guò)程噪音，其均值為0，方差為q(k)；φ(k+1,k)、u(k)和q(k)中含有機(jī)動(dòng)頻率α和變化率方差隨著系統(tǒng)自適應(yīng)參數(shù)的變化而變化。進(jìn)一步地，步驟5的計(jì)算公式如下：式中，e(k+1)為估計(jì)過(guò)程中的殘差，y(k+1)為測(cè)量數(shù)據(jù)，h(k)表示k時(shí)刻的測(cè)量矩陣，表示k時(shí)刻預(yù)測(cè)目標(biāo)在k+1時(shí)刻的狀態(tài)，k為采樣時(shí)刻，|表示條件操作符。進(jìn)一步地，步驟7的計(jì)算公式如下：其中，表示k+1時(shí)刻的殘差均值，k為采樣時(shí)刻，表示k時(shí)刻的殘差均值，e(k+1)表示估計(jì)過(guò)程中的殘差，n為殘差的個(gè)數(shù)。進(jìn)一步地，步驟8的計(jì)算公式如下：其中，e(k+1)表示估計(jì)過(guò)程中的殘差，表示k+1時(shí)刻的殘差均值，k為采樣時(shí)刻；h(k+1)表示k+1時(shí)刻的測(cè)量矩陣，p(k+1|k)表示向前一步估計(jì)方差，|表示條件操作符；h(k+1)表示k+1時(shí)刻的測(cè)量矩陣，n為殘差的個(gè)數(shù)。進(jìn)一步地，步驟9的計(jì)算公式如下：k(k+1)＝p(k+1|k)ht(k+1)[h(k+1)p(k+1|k)ht(k+1)+r]-1式中，k(k+1)為k+1時(shí)刻的卡爾曼濾波增益，k為采樣時(shí)刻，p(k+1|k)表示向前一步估計(jì)方差，|表示條件操作符；h(k+1)表示k+1時(shí)刻的測(cè)量矩陣，ht(k+1)表示k+1時(shí)刻的測(cè)量矩陣的裝置，r為高斯測(cè)量白噪音的方差。進(jìn)一步地，步驟10的計(jì)算公式如下：其中，表示狀態(tài)估計(jì)值，y(k+1)為測(cè)量數(shù)據(jù)，表示k時(shí)刻預(yù)測(cè)目標(biāo)在k+1時(shí)刻的狀態(tài)，k為采樣時(shí)刻，|表示條件操作符；k(k+1)表示k+1時(shí)刻的卡爾曼濾波增益，h(k+1)表示k+1時(shí)刻的測(cè)量矩陣。進(jìn)一步地，步驟11的計(jì)算公式如下：p(k+1|k+1)＝[i-k(k+1)h(k+1)]p(k+1|k)其中，i是3維矩陣，p(k+1|k+1)表示k+1時(shí)刻的目標(biāo)狀態(tài)估計(jì)方差，k為采樣時(shí)刻，k(k+1)為k+1時(shí)刻的卡爾曼濾波增益，p(k+1|k)表示向前一步估計(jì)方差，|表示條件操作符，h(k+1)表示k+1時(shí)刻的測(cè)量矩陣。進(jìn)一步地，步驟12的計(jì)算公式如下：式中，lk(1)為k時(shí)刻的狀態(tài)向量中變化率分量的向前一步相關(guān)函數(shù)，lk(0)為k時(shí)刻狀態(tài)向量中變化率分量自相關(guān)函數(shù)；為k時(shí)刻的計(jì)算中間變量，為k時(shí)刻的變化率方差；表示k時(shí)刻數(shù)據(jù)波動(dòng)加速度估計(jì)值，表示k-1時(shí)刻數(shù)據(jù)波動(dòng)加速度估計(jì)值；ln為以e取對(duì)數(shù)計(jì)算，α(k)為k時(shí)刻的機(jī)動(dòng)頻率，α(k)和為系統(tǒng)自適應(yīng)參數(shù)，k為采樣時(shí)刻，t為采樣間隔。本發(fā)明的有益效果是：本發(fā)明的自適應(yīng)在線濾波方法，利用多個(gè)自適應(yīng)模型實(shí)時(shí)修正參數(shù)，解決了傳感器測(cè)量數(shù)據(jù)的高精度在線去噪問(wèn)題，具有以下優(yōu)點(diǎn)：1.針對(duì)傳感器數(shù)據(jù)實(shí)時(shí)處理的問(wèn)題，利用卡爾曼遞歸估計(jì)算法實(shí)現(xiàn)在線去噪。2.針對(duì)數(shù)據(jù)機(jī)動(dòng)性強(qiáng)的問(wèn)題，利用自適應(yīng)當(dāng)前統(tǒng)計(jì)模型來(lái)抓取數(shù)據(jù)的波動(dòng)特性，與此同時(shí)，去除估計(jì)過(guò)程中的有色噪音。3.針對(duì)不同測(cè)量數(shù)據(jù)的測(cè)量噪音不同的問(wèn)題，引入滑動(dòng)窗口，利用一種自適應(yīng)平滑濾波的誤差補(bǔ)償方法，將測(cè)量方差收斂于真值。4.實(shí)驗(yàn)證明本發(fā)明的去噪方法精度高，普適性強(qiáng)，具有良好的在線去噪效果。附圖說(shuō)明圖1是本發(fā)明的自適應(yīng)在線濾波方法的流程圖；圖2是實(shí)施例1的真實(shí)值和測(cè)量值的對(duì)比圖；圖3是實(shí)施例1的測(cè)量值和去噪后的值的對(duì)比圖；圖4是實(shí)施例1的真實(shí)值和去噪后的值的對(duì)比圖；圖5是實(shí)施例1的測(cè)量噪音方差的收斂圖。具體實(shí)施方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例對(duì)本發(fā)明的自適應(yīng)在線濾波方法進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。需要說(shuō)明的是，在不沖突的情況下，以下各實(shí)施例及實(shí)施例中的特征可以相互組合。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用于解釋本發(fā)明，并不用于限定本發(fā)明。參照?qǐng)D1，本發(fā)明一實(shí)施例的自適應(yīng)在線濾波方法，包括以下步驟：步驟s1：數(shù)據(jù)波動(dòng)狀態(tài)和系統(tǒng)自適應(yīng)參數(shù)初始化；步驟s2：建立具有系統(tǒng)自適應(yīng)參數(shù)的自適應(yīng)當(dāng)前統(tǒng)計(jì)模型，求出符合數(shù)據(jù)波動(dòng)特性的狀態(tài)轉(zhuǎn)移矩陣φ(k+1,k)，輸入矩陣u(k)以及有色過(guò)程噪音方差q(k)；其中，系統(tǒng)自適應(yīng)參數(shù)包括機(jī)動(dòng)頻率α和變化率方差步驟s3：根據(jù)自適應(yīng)當(dāng)前統(tǒng)計(jì)模型和數(shù)據(jù)初始狀態(tài)對(duì)數(shù)據(jù)進(jìn)行一步預(yù)測(cè)，得出下一時(shí)刻數(shù)據(jù)的狀態(tài)預(yù)測(cè)值步驟s4：基于自適應(yīng)當(dāng)前統(tǒng)計(jì)模型和過(guò)程噪音計(jì)算向前一步估計(jì)方差p(k+1|k)；步驟s5：通過(guò)測(cè)量數(shù)據(jù)y(k+1)和狀態(tài)預(yù)測(cè)值計(jì)算出估計(jì)過(guò)程中的殘差e(k)；步驟s6：引入滑動(dòng)窗口；步驟s7：通過(guò)滑動(dòng)窗口和殘差計(jì)算出窗口內(nèi)殘差均值步驟s8：通過(guò)殘差均值和向前一步估計(jì)方差求出測(cè)量噪音r(k)；步驟s9：根據(jù)向前一步估計(jì)方差和測(cè)量噪音求出卡爾曼濾波增益k(k+1)；步驟s10：根據(jù)向前一步狀態(tài)預(yù)測(cè)值，測(cè)量數(shù)據(jù)和卡爾曼濾波增益更新?tīng)顟B(tài)估計(jì)值步驟s11：通過(guò)卡爾曼濾波增益和向前一步估計(jì)方差，得到更新后的估計(jì)方差p(k+1|k+1)；步驟s12：利用yule-walker方法，通過(guò)狀態(tài)估計(jì)值更新系統(tǒng)自適應(yīng)參數(shù)，進(jìn)而更新自適應(yīng)當(dāng)前統(tǒng)計(jì)模型。步驟s13：重復(fù)步驟s2至步驟s12，直至所有測(cè)量數(shù)據(jù)全部執(zhí)行完畢，則結(jié)束。以上各步驟具體如下：步驟s1：設(shè)置初值：設(shè)置數(shù)據(jù)波動(dòng)狀態(tài)的初始值設(shè)置估計(jì)方差初值p(0|0)＝p0；設(shè)置自適應(yīng)當(dāng)前統(tǒng)計(jì)模型參數(shù)初值：α(0)＝α0、設(shè)置過(guò)程噪音方差初值q(0)＝q0；設(shè)置測(cè)量噪音方差初值r(0)＝r0。本實(shí)例中：x0＝0；p0＝100*eye(3)；α0＝1/20；q0＝anyvalue；r0＝anyvalue。步驟s2：建立自適應(yīng)當(dāng)前統(tǒng)計(jì)模型：為了更好的抓取數(shù)據(jù)的波動(dòng)特性，將系統(tǒng)的狀態(tài)向量設(shè)置成：其中x,分別表示位移、速度和加速度；其次，為了去除估計(jì)過(guò)程中的有色噪音，設(shè)數(shù)據(jù)的波動(dòng)特性為非零均值的時(shí)間相關(guān)隨機(jī)過(guò)程：其中為加速度均值，v(t)為零均值指數(shù)相關(guān)有色噪音模型，其相關(guān)函數(shù)為：式中：rv(τ)表示相關(guān)函數(shù)，表示的方差，α為機(jī)動(dòng)頻率，反應(yīng)數(shù)據(jù)的波動(dòng)特性。接著對(duì)有色噪音v(t)做白化處理，得到：式中：表示有色噪音v(t)的一階導(dǎo)數(shù)；w(t)為零均值白噪音，方差為綜上所述，以周期t采樣，可以得到如下的反應(yīng)數(shù)據(jù)波動(dòng)特性的離散時(shí)間方程：式中，φ(k+1,k)表示狀態(tài)轉(zhuǎn)移矩陣，u(k)表示輸入矩陣，w(k)表示過(guò)程噪音；x(k+1)為k+1時(shí)刻數(shù)據(jù)的狀態(tài)向量，k為采樣時(shí)刻；φ(k+1,k)表示狀態(tài)轉(zhuǎn)移矩陣；x(k)為k時(shí)刻數(shù)據(jù)的狀態(tài)向量，u(k)表示輸入矩陣，為0時(shí)刻開(kāi)始至k時(shí)刻數(shù)據(jù)的波動(dòng)加速度均值；w(k)表示過(guò)程噪音，其均值為0，方差為q(k)；φ(k+1,k)、u(k)和q(k)中含有機(jī)動(dòng)頻率α和變化率方差隨著系統(tǒng)自適應(yīng)參數(shù)的變化而變化。則：其中：步驟s3：根據(jù)自適應(yīng)當(dāng)前統(tǒng)計(jì)模型和系統(tǒng)狀態(tài)初值計(jì)算下一時(shí)刻的狀態(tài)預(yù)測(cè)值其中，表示k時(shí)刻預(yù)測(cè)數(shù)據(jù)在k+1時(shí)刻的狀態(tài)，k為采樣時(shí)刻，|表示條件操作符，φ(k+1,k)表示狀態(tài)轉(zhuǎn)移矩陣，u(k)表示輸入矩陣，為加速度均值；表示數(shù)據(jù)在k時(shí)刻的狀態(tài)估計(jì)值，特別的在k＝0時(shí)刻為初值步驟s4：基于自適應(yīng)當(dāng)前統(tǒng)計(jì)模型和過(guò)程噪音計(jì)算向前一步估計(jì)方差p(k+1|k)：p(k+1|k)＝φ(k+1,k)p(k|k)φt(k+1,k)+q(k)式中，p(k+1|k)表示向前一步估計(jì)方差，即k時(shí)刻預(yù)測(cè)數(shù)據(jù)在k+1時(shí)刻的狀態(tài)協(xié)方差，k為采樣時(shí)刻，|表示條件操作符；φ(k+1,k)表示狀態(tài)轉(zhuǎn)移矩陣，u(k)表示輸入矩陣，p(k|k)表示k時(shí)刻數(shù)據(jù)的狀態(tài)協(xié)方差的估計(jì)值，q(k)為過(guò)程噪音協(xié)方差。步驟s5：通過(guò)測(cè)量數(shù)據(jù)y(k+1)和一步預(yù)測(cè)值計(jì)算估計(jì)過(guò)程中的殘差e(k)：計(jì)算公式如下：式中，e(k+1)為估計(jì)過(guò)程中的殘差，y(k+1)為測(cè)量數(shù)據(jù)，h(k)表示k時(shí)刻的測(cè)量矩陣，表示k時(shí)刻預(yù)測(cè)數(shù)據(jù)在k+1時(shí)刻的狀態(tài)，k為采樣時(shí)刻，|表示條件操作符。步驟s6：引入滑動(dòng)窗口，需取一個(gè)較大的數(shù)，這個(gè)窗口的大小對(duì)結(jié)果影響不大，本實(shí)驗(yàn)中滑動(dòng)窗口長(zhǎng)度取100。步驟s7：優(yōu)化殘差值，得到殘差均值計(jì)算公式如下：其中，表示k+1時(shí)刻的殘差均值，k為采樣時(shí)刻，表示k時(shí)刻的殘差均值，e(k+1)表示估計(jì)過(guò)程中的殘差，n為殘差的個(gè)數(shù)。步驟s8：通過(guò)殘差均值和向前一步方差求出測(cè)量噪音r(k+1)，計(jì)算公式如下：其中，e(k+1)表示估計(jì)過(guò)程中的殘差，表示k+1時(shí)刻的殘差均值，k為采樣時(shí)刻；h(k+1)表示k+1時(shí)刻的測(cè)量矩陣，p(k+1|k)表示向前一步估計(jì)方差，|表示條件操作符；h(k+1)表示k+1時(shí)刻的測(cè)量矩陣，n為殘差的個(gè)數(shù)，殘差的個(gè)數(shù)與樣本中數(shù)據(jù)的數(shù)量相等。步驟s9：根據(jù)向前一步估計(jì)方差和測(cè)量噪音求出卡爾曼濾波增益k(k+1)，計(jì)算公式如下：k(k+1)＝p(k+1|k)ht(k+1)[h(k+1)p(k+1|k)ht(k+1)+r]-1式中，k(k+1)為k+1時(shí)刻的卡爾曼濾波增益，k為采樣時(shí)刻，p(k+1|k)表示向前一步估計(jì)方差，|表示條件操作符；h(k+1)表示k+1時(shí)刻的測(cè)量矩陣，ht(k+1)表示k+1時(shí)刻的測(cè)量矩陣的裝置，r為高斯測(cè)量白噪音的方差。步驟s10：根據(jù)向前一步狀態(tài)預(yù)測(cè)值、測(cè)量數(shù)據(jù)和卡爾曼增益更新?tīng)顟B(tài)估計(jì)值計(jì)算公式如下：其中，表示狀態(tài)估計(jì)值，y(k+1)為測(cè)量數(shù)據(jù)，表示k時(shí)刻預(yù)測(cè)數(shù)據(jù)在k+1時(shí)刻的狀態(tài)，k為采樣時(shí)刻，|表示條件操作符；k(k+1)表示k+1時(shí)刻的卡爾曼濾波增益，h(k+1)表示k+1時(shí)刻的測(cè)量矩陣。步驟s11：通過(guò)卡爾曼增益和向前一步估計(jì)方差得到更新后的估計(jì)方差，計(jì)算公式如下：p(k+1|k+1)＝[i-k(k+1)h(k+1)]p(k+1|k)其中，i是3維矩陣，p(k+1|k+1)表示k+1時(shí)刻的數(shù)據(jù)狀態(tài)估計(jì)方差，k為采樣時(shí)刻，k(k+1)為k+1時(shí)刻的卡爾曼濾波增益，p(k+1|k)表示向前一步估計(jì)方差，|表示條件操作符，h(k+1)表示k+1時(shí)刻的測(cè)量矩陣。步驟s12：利用yule-walker方法，通過(guò)狀態(tài)估計(jì)值更新自適應(yīng)當(dāng)前模型參數(shù)，計(jì)算公式如下：式中，lk(1)為k時(shí)刻的狀態(tài)向量中變化率分量的向前一步相關(guān)函數(shù)，lk(0)為k時(shí)刻狀態(tài)向量中變化率分量自相關(guān)函數(shù)；為k時(shí)刻的計(jì)算中間變量，為k時(shí)刻的變化率方差；表示k時(shí)刻數(shù)據(jù)加速度估計(jì)值，表示k-1時(shí)刻數(shù)據(jù)加速度估計(jì)值；ln為以e取對(duì)數(shù)計(jì)算，α(k)為k時(shí)刻的機(jī)動(dòng)頻率，α(k)和為系統(tǒng)自適應(yīng)參數(shù)，t為采樣間隔。從而實(shí)時(shí)更新自適應(yīng)當(dāng)前統(tǒng)計(jì)模型中的參數(shù)。步驟s13：重復(fù)步驟s2至步驟s12，直至所有測(cè)量數(shù)據(jù)全部執(zhí)行完畢，則結(jié)束。實(shí)施例1：本實(shí)施例將自適應(yīng)在線濾波方法應(yīng)用于傳感器數(shù)據(jù)的在線去噪，在未知過(guò)程噪聲及測(cè)量噪聲的方差的情況下，自適應(yīng)濾波仍然可以獲得很好的去噪效果。實(shí)驗(yàn)選用了10000組試驗(yàn)測(cè)量數(shù)據(jù)對(duì)本發(fā)明進(jìn)行計(jì)算，時(shí)間步長(zhǎng)為0.01s，數(shù)據(jù)見(jiàn)表1。表1實(shí)驗(yàn)1測(cè)量數(shù)據(jù)和真實(shí)數(shù)據(jù)序號(hào)t(s)測(cè)試值(mm)真實(shí)值(mm)序號(hào)t(s)測(cè)試值(mm)真實(shí)值(mm)1000426342.6200.26040.156120.0100.07300426442.6301.35710.152230.0200.7186-0.0009426542.640-1.60700.155940.0300.7905-0.0058426642.650-0.17950.155850.040-0.0331-0.0139426742.660-0.67360.147360.0500.7105-0.0147426842.670-0.35650.146570.060-0.6498-0.0006…………80.0700.69860.0172999699.950-0.34660.4242…………999799.9600.69600.4145426042.590-0.25930.1731999899.9700.34600.4117426142.600-0.63450.1687999999.980-0.26870.4118426242.6100.00600.16231000099.990-0.29350.4156按上述具體實(shí)施方式的步驟進(jìn)行仿真驗(yàn)證，驗(yàn)證結(jié)果見(jiàn)附圖2-附圖5。附圖2是實(shí)施例1的真實(shí)值和測(cè)量值的對(duì)比圖；附圖3是實(shí)施例1的測(cè)量值和去噪后的值的對(duì)比圖；附圖4是實(shí)施例1的真實(shí)值和去噪后的值的對(duì)比圖；附圖5是實(shí)施例1的測(cè)量噪音方差的收斂圖。在附圖2-附圖4中：橫坐標(biāo)表示時(shí)間，單位為s(秒)；縱坐標(biāo)表示位移，單位為mm(毫米)。附圖2中，中部的一條連續(xù)折線表示真實(shí)值；附圖3中，中部的一條連續(xù)折線表示去噪后的值；附圖4中，連續(xù)折線101表示真實(shí)值，連續(xù)折線102表示去噪后的值。在附圖5中：橫坐標(biāo)表示離散采樣點(diǎn)，縱坐標(biāo)表示測(cè)量噪音方差，單位為mm(毫米)。從附圖2至附圖5可以看出，采用本發(fā)明的自適應(yīng)在線濾波方法可以對(duì)數(shù)據(jù)有效進(jìn)行實(shí)時(shí)在線去噪，將測(cè)量方差收斂于真值，其精度高，具有良好的在線去噪效果，解決了傳感器測(cè)量數(shù)據(jù)的高精度在線去噪問(wèn)題。此外，該方法具有普適性，可拓展運(yùn)用于各種具有動(dòng)力學(xué)特性的數(shù)據(jù)的實(shí)時(shí)在線去噪，可以廣泛的應(yīng)用于實(shí)際系統(tǒng)中具有強(qiáng)機(jī)動(dòng)性和有色噪音的數(shù)據(jù)預(yù)處理中。以上各實(shí)施例的自適應(yīng)在線濾波方法，利用多個(gè)自適應(yīng)模型實(shí)時(shí)修正參數(shù)，解決了傳感器測(cè)量數(shù)據(jù)的高精度在線去噪問(wèn)題，具有以下優(yōu)點(diǎn)：1.針對(duì)傳感器數(shù)據(jù)實(shí)時(shí)處理的問(wèn)題，利用卡爾曼遞歸估計(jì)算法實(shí)現(xiàn)在線去噪。2.針對(duì)數(shù)據(jù)機(jī)動(dòng)性強(qiáng)的問(wèn)題，利用自適應(yīng)當(dāng)前統(tǒng)計(jì)模型來(lái)抓取數(shù)據(jù)的波動(dòng)特性，與此同時(shí)，去除估計(jì)過(guò)程中的有色噪音。3.針對(duì)不同測(cè)量數(shù)據(jù)的測(cè)量噪音不同的問(wèn)題，引入滑動(dòng)窗口，利用一種自適應(yīng)平滑濾波的誤差補(bǔ)償方法，將測(cè)量方差收斂于真值。4.實(shí)驗(yàn)證明本發(fā)明的去噪方法精度高，普適性強(qiáng)，具有良好的在線去噪效果。以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁(yè)12