一种自校准秩滤波方法技术

本发明专利技术提供一种自校准秩滤波方法，步骤如下：一：建立包含未知输入的非高斯、非线性离散系统；二：滤波初始化；三：对非高斯、非线性离散系统进行时间更新；四：结合量测信息，对状态一步预测和一步预测误差方差矩阵进行量测更新；五：进行迭代计算；本发明专利技术针对非高斯、非线性系统，建立了含有未知输入项的系统模型，使未知输入的影响可以通过数学语言进行描述；基于秩采样理论，本发明专利技术不仅可以处理高斯分布非线性系统，同时得以对不服从高斯分布的系统进行状态估计，填补了传统方法在该方面研究的空白；本发明专利技术通过引入自校准技术，抵消了状态方程中未知输入的不利影响，减少了滤波发散的现象，提升了滤波精度，增强了系统的鲁棒性。

【技术实现步骤摘要】
一种自校准秩滤波方法
本专利技术提供一种自校准秩滤波方法，属于非线性鲁棒滤波

技术介绍
基于1960年提出的标准卡尔曼滤波方法，研究人员先后发展了扩展卡尔曼滤波(ExtendedKalmanFilter,EKF)、无迹卡尔曼滤波(UnscentedKalmanFilter,UKF)、粒子滤波(ParticleFilter,PF)等一系列方法用以解决非线性系统的滤波问题。然而，扩展卡尔曼滤波方法只能处理弱非线性的系统，无迹卡尔曼滤波只能处理服从高斯分布的系统，粒子滤波方法虽然能够处理非高斯、非线性系统，却存在粒子退化与粒子贫化问题。针对非高斯、非线性系统的滤波问题，文献“秩滤波方法[J].机械强度,2014,36(4):521-526.”提出了一种秩滤波方法(RankFilter,RF)，该方法基于秩分布原理，提出了一种统计上最优的秩采样方法，用以替代无迹卡尔曼滤波中的sigma点采样，通过采样方法的更新，很好地解决了非高斯、非线性系统的滤波问题，且不存在退化与贫化缺点，稳定可靠。秩滤波方法是针对精确的系统方程建立的。但是，在工程实际中，由于环境因素的影响、模型和参数本文档来自技高网...

【技术保护点】
一种自校准秩滤波方法，其特征在于：它包含以下五个步骤：步骤一：建立包含未知输入的非高斯、非线性离散系统针对工程实际中所遇到的状态方程受未知输入影响的非高斯、非线性离散系统，特别是具有加性系统噪声和量测噪声的系统，其状态方程和量测方程表示为Xk＝f(Xk‑1)+bk‑1+Wk‑1···········(1)Zk＝h(Xk)+Vk·············(2)式中，Xk表示系统的状态向量，Zk表示系统量测向量，f(·)和h(·)为非线性向量函数,bk表示未知输入，Wk与Vk分别为系统噪声向量和量测噪声向量，其方差矩阵分别为Qk和Rk，并且满足

【技术特征摘要】
1.一种自校准秩滤波方法，其特征在于：它包含以下五个步骤：步骤一：建立包含未知输入的非高斯、非线性离散系统针对工程实际中所遇到的状态方程受未知输入影响的非高斯、非线性离散系统，特别是具有加性系统噪声和量测噪声的系统，其状态方程和量测方程表示为Xk＝f(Xk-1)+bk-1+Wk-1···········(1)Zk＝h(Xk)+Vk·············(2)式中，Xk表示系统的状态向量，Zk表示系统量测向量，f(·)和h(·)为非线性向量函数,bk表示未知输入，Wk与Vk分别为系统噪声向量和量测噪声向量，其方差矩阵分别为Qk和Rk，并且满足式中，Cov[·]为协方差，E[·]为数学期望，δkj为δ函数，当k＝j时，δkj＝1，当k≠j时，δkj＝0；步骤二：滤波初始化对由式(1)和式(2)所组成系统的状态值和误差方差矩阵进行初始化对系统状态和误差方差矩阵分别赋予初值步骤三：对非高斯、非线性离散系统进行时间更新设k-1时刻的状态估计值和误差方差矩阵分别为和Pk-1，基于它们对系统进行时间更新，即计算k时刻的状态一步预测和一步预测误差方差矩阵Pk/k-1；基于秩滤波的一般性递推公式，在时间更新过程中首先需要计算秩采样点集{χi}当k＝1,2时当k≥3时

【专利技术属性】
技术研发人员：傅惠民，杨海峰，张勇波，王治华，肖梦丽，崔轶，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11