基于自适应步长搜索的弱估计器算法

发布时间：2021-09-03 23:24

　　强估计器,即依据收敛概率为1的稳定估计方法,因其优秀的计算特性已经成功地应用于多种应用领域。但此类方法的优点基于一个假设,即所接收的数据需要保持分布不变。随着计算能力的提升、需要解决的问题日趋复杂、处理的数据日益庞大多变,单纯地将问题抽象为使用底层分布稳定的数据流已难以满足日常应用的需要。弱估计器在强估计器的基础上,放宽了对底层分布的限制,使其可以估计动态变化的目标参数。而目标参数的动态变化要求弱估计器可以迅速地反应、快速地追踪。为了提高弱估计器应对目标参数的动态追踪能力,本文提出了基于自适应步长搜索（ASS）的弱估计器方法,实验表明本文提出的算法显著地提高了弱估计器的性能,并有效地平衡了参数的追踪速度与估计精度。 

【文章来源】：电脑知识与技术. 2020,16(04)

【文章页数】：3 页

【部分图文】：

不同步长下三种算法的效果对比

图1 不同步长下三种算法的效果对比图1(a)、(b)、(c)分别为Nmin及对比方法相应变量设置为32,64和128时三种算法效果的对比试验图。估计值的真值取为0.85与0.15，固定时间周期进行参数改变来模拟快速、变化差异巨大的情况。图2的参数设置为[0.35,0.7,0.2,0.8,0.31,0.91,0.25,0.8,0.4,0.9]，每40个周期变化一次，与[3]保持一致。


本文编号：3382075