本发明专利技术涉及一种突变滤波算法，自然界中存在着大量的状态突然变化，对这类系统的信号处理就变得十分重要。结合系统特性和状态信息，把系统噪声和观测噪声看作两个随机控制量，建立突变势函数，求出奇点集，通过突变级数法来评价突变特征，进而计算出状态突变归一化隶属度，表示状态突变的程度，如果状态完全发生突变，那么在本次滤波计算中不考虑上一次状态预测值，而是结合采样点数据预测值和当前测量值进行状态估计；如果部分突变，根据突变隶属度来计算使用状态预测值大小，再结合采样点数据预测值和当前测量值进行状态估计。本发明专利技术的优点在于不需要准确的知道数学模型和系统噪声及量测噪声统计特性，特别适用于强非线性和强随机性系统的信号处理。
【技术实现步骤摘要】
本专利技术涉及的是一种突变信号的滤波估计方法，特别适用于强非线性和强随机性系统的信号处理。技术背景在自然界中，除了渐变的和连续光滑的变化现象之外，还存在着大量的突变和跃迁现象，如陀螺漂移信号、作水平飞行的飞机飞越山区时无线电高度表的输出信号、惯导的输出误差信号、传递对准中的误差信号，GPS的SA误差信号等，这类信号存在着突变特性。由于信号没有确定性的频谱，无法用常规滤波方法提取有用信号。现有KF、EKF和UKF及其改进的滤波方法使用较多，尤其UKF滤波精度高、收敛速度快，其本质是利用一定数量的采样点逼近非线性密度函数，进行非线性模型的状态与误差协方差的预测，进而递推和更新，但是UKF算法属于经典KF滤波的扩充，也是以准确的数学模型和系统噪声及量测噪声统计特性已知为基础的，而当系统或环境剧烈变化时，噪声统计特性将会发生较大变化，此时滤波器精度和稳定性就会下降，甚至发散。为了提高这种UKF 缺乏对突变的自适应能力，出现了Sage–Husa滤波，抗差滤波，强跟踪滤波，渐消因子算法等，然而这些算法都是基于严格的数学推理和苛刻的假定条件，而在实际系统中这些条件往往很难满足。
技术实现思路
本专利技术的目的在于提出一种突变信号的滤波估计处理算法。为了实现对信号的突变估计，不能再像UKF和PF滤波算法中选择一些随机值，应该对 时刻到时刻之间的采样数据进行充分利用，为此设计突变滤波算法(Catastrophe Filter Algorithm)，简称CF。像惯性导航系统，可以做到高速采样，但做不到高速解算，从解算时刻到解算时刻，可以采集大量数据，即采样点数据。对于系统噪声和量测噪声经过一定的仿真或实验，可以获得部分信息，如果没有任何先验信息，可以先假定系统噪声和量测噪声为高斯白噪声。建立系统状态方程和量测方程：式中，为一步转移阵，为量测阵，为系统噪声，为量测噪声。时，计算一步状态预测。由于系统状态时刻的估计值与一步状态预测值、测量值、系统噪声和量测噪声四个量有直接关系，以这4个变量为控制量，建立状态突变势函数： 式中，表示系统的状态变量的势函数，为测量值，一步状态预测值，量测噪声，为系统噪声。对于状态突变势函数进行一阶求导，并令，即可得到临界点集合成的平衡曲面。通过对势函数进行二阶导数，并令，联合一阶和二阶导数方程，消去状态变量，即可得到反映状态变量和控制变量之间关系的分解形式的分歧方程。突变系统分解形式的分歧点集方程为：，，，通过分解形式的分歧点集方程导出归一公式：，，，当分歧方程中的各个控制变量满足分歧点集方程时，说明系统状态发生了突变。为了计算出状态的突变程度，采用“互补”与“非互补”原则计算状态，即，按归一化处理，计算出状态变量在[0，1]范围的突变值，即归一化突变隶属度，表示状态突变的程度。如果状态完全发生突变，说明系统状态方程已不适合描述系统，那么在本次滤波计算中不考虑一步状态预测值，而是结合采样点数据预测值和当前测量值进行状态估计：⑴利用从到时刻之间的采样数据，计算采样数据的方差；⑵根据测量方程计算采样数据预测值或采用采样数据拟合曲线预测；⑶计算信任预测值的增益系数；⑷计算时刻状态估计值。如果部分突变，根据突变隶属度来计算使用一步状态预测值的大小，再结合采样点数据预测值和当前测量值进行状态估计：⑴计算相信一步预测值的大小；⑵计算测量值方差；⑶计算相信测量值和采样点数据预测值的大小；⑷计算时刻状态估计值。计算状态估计方差。以和作为下一次状态估计的初值，进而循环状态估计。本专利技术的优点在于，⑴不需要准确的知道数学模型和系统噪声及量噪声统计特性；⑵本方法就是依据状态和噪声的突变程度进行估计的，系统状态变化越明显，滤波估计效果越好；⑶特别适用于强非线性和强随机性系统的信号估计；⑷可以可直接处理不连续现象，而不联系任何特殊的内在机制，特别适用于对内部作用尚属未知系统的研究，并适用于可观察到不连续性的情况，不必事先知道被描述系统状态变量遵循的微分方程。附图说明图1 为本专利技术的状态突变结构；图2 为本专利技术的CF突变滤波算法流程；图3 为本专利技术在惯导系统传递对准中的航向角误差滤波估计。具体实施方式下面结合附图举例对本专利技术做更详细地描述。以惯导传递对准的误差滤波估计为例，而当载体随载机在飞行过程中，环境变化剧烈，飞行动力学特性复杂，将会引起载体运动状态从一个状态到另一个状态可能不是渐变，而是一次突变，在这种情况下建立的传递对准模型具有强非线性，噪声的统计特性将会发生较大变化，建立姿态的传递对准误差方程为： 式中，为姿态一步转移阵，为量测阵，为系统噪声，为量测噪声。如果没有任何先验信息，可先假定为白噪声，且和。系统初始化状态转移矩阵和量测矩阵，状态估计初值，估计初值误差。时，计算一步状态预测值。由于系统状态变量与一步状态预测值、测量值、系统噪声和量测噪声4个变量有直接关系，建立蝴蝶突变势函数：式中，表示系统的状态变量的势函数，a，b，c，d 表示该状态变量的控制变量。对于突变数学模型的势函数求一阶导数，并令，即可得到临界点集合成的平衡曲面，平衡曲面的奇点集。通过对势函数求二阶导数，并令，联合一阶和二阶导数方程，消去状态变量，即可得到反映状态变量和控制变量之间关系的分解形式的分歧方程。蝴蝶突变系统分解形式的分歧点集方程为：，，，通过分解形式的分歧点集方程导出归一公式：，，，当分歧方程中的各个控制变量满足分歧点集方程时，说明系统状态发生了突变。为了计算出状态的突变程度，采用“互补”与“非互补”原则计算状态，即，按归一化处理，可计算出状态变量在[0，1]范围的突变值，即归一化突变隶属度，表示状态突变的程度。如果状态完全发生突变，说明系统状态方程已不适合描述系统，那么在本次滤波计算中不考虑一步状态预测值，而是结合采样点数据预测值和当前测量值进行状态估计：⑴利用从到时刻之间的采样点数据，计算采样点数据的方差；⑵根据测量方程计算采样点数据预测值或采用采样数据拟合曲线预测；⑶计算信任预测值的增益系数；⑷计算时刻状态估计值。如果部分突变，根据突变隶属度来计算使用一步状态预测值的大小，再结合采样点数据预测值和当前测量值进行状态估计：⑴计算相信一步预测值的大小；⑵计算测量值方差；⑶计算相信测量值和采样点数据预测值的大小；⑷计算时刻状态估计值。计算状态估计方差。以和作为下一次状态估计的初值，进而循环状态估计。采用突变滤波算法进行子惯导与主惯导航向角误差估计，如图3，估计误差为0.3o，而采用KF滤波的误差本文档来自技高网...
【技术保护点】
突变滤波算法，其特征在于把一步状态预测值、测量值、系统噪声和量测噪声作为4个控制量，建立突变势函数，为测量值，一步状态预测值，量测噪声，为系统噪声。
【技术特征摘要】
1.突变滤波算法，其特征在于把一步状态预测值、测量值、系统噪声和量测噪声作为4个控制量，建立突变势函数 ，为测量值，一步状态预测值，量测噪声，为系统噪声。
2.突变滤波算法，其特征在于计算出状态突变归一化隶属度，表示状态突变的程度，如果状态完全发生突变，那么在本次滤波计算中不考虑上一次状态预测值，而是结合采样点数据预测值和当前测量值进行状态估计；如果部分突变，根据突变隶属度来计算使用状态预测值大小，再结合采样点数据预测值和当前测量值进行状态估计。
3.突变滤波算法，其特征在于如果状态完全发生突变，说明系统...
【专利技术属性】
技术研发人员：杨金显，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：河南;41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。