基于扩展卡尔曼滤波状态估计值的在线优化设计方法技术

本发明专利技术公开了一种基于扩展卡尔曼滤波状态估计值的在线优化设计方法，本发明专利技术通过对扩展卡尔曼算法得到的状态估计值添加采样点因子实现对状态估计值的更新，进而将更新后所得的状态估计值代替状态观测值。进而求出更新后的观测预测值，与观测值对比，得到残差信息阵，利用残差信息来检验更新后最适合于当前时刻的状态估计值，并将该状态估计值作为当前时刻的状态估计值。通过这种方式可以再一定程度上降低模型动态偏差对系统跟踪带来的影响，解决扩展卡尔曼滤波在系统出现模型偏差时带来的精度不足的问题，能在非线性系统领域内得到较好的运用，且具有一定的鲁棒性。

On-line Optimal Design Method Based on Extended Kalman Filter State Estimation

【技术实现步骤摘要】
基于扩展卡尔曼滤波状态估计值的在线优化设计方法
本专利技术属于非线性系统的目标跟踪领域，特别涉及一种系统建模过程中模型参数出现偏差或因系统运行环境导致存在动态偏差的目标速度跟踪领域，可用于目标跟踪中的优化目标速度跟踪的数据处理。
技术介绍
随着科学技术的进步与发展，线性滤波理论被广泛应用于目标跟踪、信息处理和故障诊断等应用领域当中。其中，以卡尔曼滤波器为首的滤波方式在航天航空、金融管理、无人机等领域均做出了杰出的贡献。但随着系统建模复杂度的增加以及运行环境的不确定性，导致非线性系统的研究已经成为了当下迫在眉睫的问题。因此，为了将卡尔曼滤波器应用于非线性系统，必须对其进行一些改进。Bucy，Sunahara等人提出并研究了扩展卡尔曼滤波(ExtendedKalmanFilter，简称EKF)，将卡尔曼滤波理论进一步应用到非线性领域。EKF的基本思想是将非线性系统线性化，然后进行卡尔曼滤波，因此EKF是一种次优滤波。无迹Kalman则摒弃了对非线性函数进行线性化的传统做法，采用Kalman线性滤波框架，对于一步预测方程，使用无迹变换来处理均值和协方差的非线性传递问题。使得非线性分布的统计本文档来自技高网...

【技术保护点】
1.基于扩展卡尔曼滤波状态估计值的在线优化设计方法,应用于目标速度跟踪,包括如下步骤：(1)设计模型参数，设巡逻船的推进系统模型如下：

【技术特征摘要】
1.基于扩展卡尔曼滤波状态估计值的在线优化设计方法,应用于目标速度跟踪,包括如下步骤：(1)设计模型参数，设巡逻船的推进系统模型如下：上式中，整数k≥0为时间指数，x是系统状态向量，表示巡逻船行驶的速度，y是传感器观测值，表示由传感器所测得的巡逻船的速度，w(k)为系统噪声和v(k+1)为测量噪声；(2)在EKF框架下计算出状态估计值(2a)根据目标跟踪模型，计算对应的状态预测值(2b)根据(2a)，计算对应的观测预测值(2c)根据(2b)计算残差信息γ(k+1)；(2d)计算一阶线性化状态方程，求解状态转移矩阵(2e)计算一阶线性化观测方程，求解观测矩阵(2f)根据(2d)计算...

【专利技术属性】
技术研发人员：文成林，唐兵，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33