论文部分内容阅读
针对WSN流量预测，基于AR模型提出一种WSN流量双卡尔曼并行递推预测算法。该算法使用两个Kalman滤波器，交替进行AR模型参数的递推辨识与时变数据中真实值的最优估计，根据序列数据的最新信息实时修正AR模型参数进行动态预测。同时针对大步长的流量预测，引入滚动修正思想，克服动态预测算法存在间隔时间过长的缺点，降低多步预测误差。实验研究表明，利用研究的双卡尔曼并行递推算法使用AR模型进行多步预测，从原理设计和实现算法上，实现了WSN流量的准确预测。