兩種周期型遙測數據建模模型及其初始化算法

王永生杜彬彬孫瑾++代進進?┆?

摘要：在對某大型航天電子設備的遙測數據建模預測時，遇到多是不規則周期型數據，對其進行建模預測可以在早期及時發現設備性能異常。針對有周期規律的遙測數據，提出采用Fourier級數模型、sin函數和模型對遙測數據建模，給出了這種數據模型的表達式，研究了基于FFT的兩種模型的參數初始化算法。通過數值實驗說明模型參數初始化算法的有效性，為后續利用最優化理論求解模型精確參數提供了良好的初試點。

關鍵詞：遙測數據；預測；周期模型；初始參數

中圖分類號：P207.2文獻標識碼：A

1引言

利用大型航天電子設備的歷史采集數據，采用適當的預示分析方法，開發對電子設備遙測數據變化進行預示分析的工具，實現對航天電子設備采集數據進行建模，完成擬合及長預示，可以為研究大型電子設備性能的變化規律、分析實際變化與設計值的差異等提供手段。對于大量表現出周期特點的遙測數據，需要給出可行的數據模型，模型要求具有一定適用性，不局限于某一個特定的遙測數據。另外，從工程應用的實際需要考慮，還必須根據遙測的數據能夠快速計算出模型的初始參數，也就是要有模型參數的初始化算法[1]。根據一部分遙測數據求出的初始參數，未必是模型參數的精確解，但是可以為后續利用最優化理論的方法，迭代求解更為精確的解模型參數提供較好的初始點，提高迭代收斂速度[2～4]，滿足工程應用需要。本文著重探討可行的周期型遙測數據建模模型，結合大量遙測數據給出模型參數初始化算法。

某型航天電子設備某遙測數據中包含一個變化周期的數據量通常需要近萬個，為了擬合和預測往往需要有約五個周期的以上的數據，即大約需要40000多個以上的數據。因此，這涉及到大規模數據處理問題，為了工程應用需要采用的數據處理方法必須滿足時間復雜度需要，即要求盡可能短的時間完成建模及預測。首先將要處理的遙測數據序列轉換為y，t，其中y和t均為m維列向量，m即為所獲得的原始遙測數據的個數。為了方便計算，通常要先對數據進行預處理，剔除野值，對采樣數據進行去均值并進行必要的尺度壓縮，即將數據大小幅值和坐標寬度變換到一定數值范圍內，文中假設已完成上述預處理過程。

5結束語

對于周期型遙測數據，給出能夠較好實現對周期數據建模的Fourier級數模和Sin函數和模型，基于FFT研究了兩種模型的參數初始化算法，并對遙測數據進行了數值實驗，實驗結果說明模型初始化算法可以提供了良好的初始點，有利于進一步采用優化算法快速求得全局最優點，獲得更為精確的模型參數，實現對遙測數據的準確建模。

參考文獻

[1]李奎山.超越方程的諾模圖求解[J].石油大學學報：自然科學版，1996，20（2）：118-119.

[2]PHILIP E，GILL， WALTER MURRAY，MARGARET H.Wright. Practical optimization[M]. London： Academic press，1981，83-153.

[3]劉興高， 胡云卿. 應用最優化方法及Matlab實現[M]. 北京： 科學出版社， 2014，（1）：89-109.

[4]倪勤. 最優化方法與程序設計[M]. 北京：科學出版社， 2009，（6）：25-39.

[5]Abuelma'atti， Muhammad Taher. A simple algorithm for fitting measured data to Fourierseries models[J].International Journal of Mathematical Education in Science and Technology，1993，24（1）：107-112.

[6]GENE H，GOLUB，CHARLES F.Van Loan. Matrix Computations（3rd Edition）[M].Johns Hopkins University Press， 1996：206-255.

[7]Sum of Sines Models[EB/OL]. http：//www. mathworks.cn/cn/help/curvefit/sumofsine.html [2014-2-12].