论文部分内容阅读
针对多变量混沌时间序列，给出一种Volterra滤波器实现结构。该滤波器利用基于奇异值分解的最小二乘法确定初始核，通过归一化最小均方差（normalized least mean square，NLMS）算法实时确定滤波系数，并用这种多变量Volterra结构对Lorenz时间序列进行仿真。计算结果表明，在无噪声情况下，该方法的实时一步预测精度比目前单变量混沌时间序列Volterra自适应预测方法的一步预测精度提高了10。倍，表明这种实现结构易实现且收敛性能更好；在有噪声的情况下，该方法的实时多步预测性能