【参数估计】双扩展卡尔曼滤波器，用于时变MVAR参数估计（Matlab实现）

“在代码的海洋里，有无尽的知识等待你去发现。我就是那艘领航的船，带你乘风破浪，驶向代码的彼岸。

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

在信号处理领域，多元自回归 (Multivariate Autoregressive, MVAR) 模型广泛应用于分析多通道时间序列数据。MVAR 模型能够捕捉多个信号之间的动态关系，这对于理解复杂的系统行为至关重要。然而，在许多实际应用场景中，这些参数可能会随时间变化，这就要求我们开发出能够适应时变参数的估计方法。双扩展卡尔曼滤波器 (Dual Extended Kalman Filter, DEKF) 就是一种适用于此类问题的有效工具。DEKF 为时变 MVAR 参数估计提供了一种强大的工具。通过递归地更新状态和参数估计，这种方法能够实时跟踪参数的变化趋势，从而更好地理解和预测多通道时间序列数据的行为。该方法在生物医学信号处理、金融数据分析等领域有着广泛的应用前景。随着技术的进步，DEKF 可能会被进一步改进，以提高估计的准确性和鲁棒性。

📚2 运行结果

主函数部分代码：

clear
clc
close all

%% Simulated time-varying MVAR model 
% Reference of the simulated model:
% [1] M. Winterhalder, B. Schelter, W. Hesse et al., 揅omparison of linear
% signal processing techniques to infer directed interactions in multivariate 
% neural systems,� Signal Processing, vol. 85, no. 11, pp. 2137-2160, 2005.
% ---------> Example 4 (pp. 13-14)
% 
% Written by: Amir Omidvarnia

L = 5000;                                     % Number of time points
CH = 3;                                       % Number of channels
y = zeros(CH,L);                              % Simulated data: output of the time-varying MVAR model
p = 2;                                        % Model order

%% Define time-varying MVAR parameters
bb = sinc(linspace(pi/2+pi/4,5*pi,L));
b = (.8*(bb-min(bb))/(max(bb)-min(bb)))-.2;   % Parameter 'b': time-varying influence of channel 2 on channel 1
c = zeros(1,L);                               % Parameter 'c': time-varying influence of channel 3 on channel 1

%% Simulate the model
for n = p+1 : L
    if(n<=L/2)
        c(n) = (n/(L/2));
    else
        c(n) = (L-n)/(L/2);
    end
       
    y(1,n) = 0.59*y(1,n-1) - 0.2*y(1,n-2) + b(n)*y(2,n-1) + c(n)*y(3,n-1) + randn;
    y(2,n) = 1.58*y(2,n-1) - 0.96*y(2,n-2) + randn;
    y(3,n) = 0.6*y(3,n-1)  - 0.91*y(3,n-2) + randn;    
end

%% Time-varying MVAR parameter estimation using Dual Extended Kalman Filter (DEKF)
A = DEKF(y,p);                                % Estimated time-varying parameters, A = [A1 A2 ... Ar]

%% Plot parameters
figure, hold on, grid on
plot(squeeze(A(1,2,:)),'k','linewidth',2), plot(b,'r','linewidth',2)
plot(squeeze(A(1,3,:)),'b','linewidth',2), plot(c,'g','linewidth',2)

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]刘君伟,杨晓辉.基于ARMA模型的隧道变形预测及参数估计分析[J].市政技术,2024,42(07):54-60.DOI:10.19922/j.1009-7767.2024.07.054.

[2]徐方维,周全,王川,等.基于频谱泄漏干扰多层消除的密集谐波/间谐波参数估计方法[J/OL].电力自动化设备:1-9[2024-07-26].https://doi.org/10.16081/j.epae.202406006.

🌈4 Matlab代码实现