一种含未知输入和非高斯量测噪声的随机系统滤波器技术方案

本发明专利技术涉及一种含未知输入和非高斯量测噪声的随机系统滤波器。首先，针对含未知输入/干扰的离散时间线性随机系统，基于状态方程完成状态的预测估计；其次，针对实际系统的量测噪声通常含有较多野值，噪声的概率分布往往具有尖峰肥尾等强非高斯特性，在求解干扰估计与状态滤波时基于Huber函数代替传统的均方误差准则构造指标函数；再次，通过最小化指标函数，基于不动点迭代法解算出干扰估计与状态的滤波估计；最后，将状态预测、干扰估计、状态滤波按时刻递推，给出滤波器的设计流程。本发明专利技术可推广应用于组合导航、目标跟踪、信号处理等领域，解决实际系统的高精度状态估计问题。

A random system filter with unknown input and non Gaussian measurement noise

【技术实现步骤摘要】
一种含未知输入和非高斯量测噪声的随机系统滤波器
本专利技术涉及一种含未知输入/干扰和非高斯量测噪声的随机系统滤波器，针对系统所受到的未知输入或未知动态干扰，采用状态预测、干扰估计、状态滤波的递推滤波器结构，同时考虑到量测噪声的非高斯特性，基于Huber函数构造干扰与状态估计的性能指标函数，增强了滤波器对于量测野值的鲁棒性，本专利技术可应用于飞行器、船舶、车辆等运动体的组合导航系统，也可推广应用于目标跟踪、信号处理等相关领域。
技术介绍
飞行器、船舶、车辆等运动体依靠导航系统实时获取自身的运动信息和姿态信息，而滤波算法又是导航系统信息处理的核心所在。传统的以卡尔曼滤波为典型代表的滤波算法在实际工程应用中已经取得了很大的成功，发挥了积极的作用。然而，运动体的任务需求日益提高，所面临的环境也日益复杂多样，这些都对导航系统的实时性、可靠性和精确性提出了进一步的挑战。为了提高导航系统的性能，以便能够快速、可靠、精准地获取和估计运动信息和姿态信息，一方面需要从硬件角度提高传感器性能或者研制新的智能感知机制，另一方面则要从软件角度提升滤波算法的适应性和鲁棒性本文档来自技高网...

【技术保护点】
1.一种含未知输入和非高斯量测噪声的随机系统滤波器，其特征在于，包括以下步骤：/n第一步，基于系统状态方程进行状态预测，得到状态的预测估计与相应的协方差矩阵；/n第二步，基于Huber函数构造干扰与状态联合估计的性能指标函数；/n第三步，通过最小化第二步中的性能指标函数，基于矩阵运算和不动点迭代法解算出干扰估计与状态的滤波估计，以及相应的协方差矩阵；/n第四步，将前述步骤中的状态预测、干扰估计、状态滤波按时刻递推，最终得到滤波器。/n

【技术特征摘要】
1.一种含未知输入和非高斯量测噪声的随机系统滤波器，其特征在于，包括以下步骤：
第一步，基于系统状态方程进行状态预测，得到状态的预测估计与相应的协方差矩阵；
第二步，基于Huber函数构造干扰与状态联合估计的性能指标函数；
第三步，通过最小化第二步中的性能指标函数，基于矩阵运算和不动点迭代法解算出干扰估计与状态的滤波估计，以及相应的协方差矩阵；
第四步，将前述步骤中的状态预测、干扰估计、状态滤波按时刻递推，最终得到滤波器。


2.根据权利要求1所述的含未知输入和非高斯量测噪声的随机系统滤波器，其特征在于：所述第一步，状态预测过程如下：
(1)一类含有未知输入/干扰的离散时间线性随机系统，其状态空间模型表示如下：



其中，为系统状态变量，为量测输出变量，为系统的未知输入，即动态特性未知的干扰，和分别表示过程噪声和量测噪声，为互不相关的零均值白噪声且方差为正定阵Qk和Rk，过程噪声ωk认为是高斯分布，而量测噪声υk具有强非高斯特性，特别是尖峰肥尾现象，Ak，Gk，Ck和Hk为已知的时变矩阵，(Ak,Ck)可观且Hk列满秩，系统初始状态x0服从高斯分布且与噪声均不相关；
(2)基于状态方程，根据前一时刻得到的干扰和状态的估计，得到当前时刻状态的预测估计、预测误差与协方差矩阵分别如下三个公式所示：









在初始k＝0时刻，状态预测直接由系统的初始条件给定，即


3.根据权利要求1所述的含未知输入和非高斯量测噪声的随机系统滤波器，其特征在于：所述第二步，基于Huber函数的性能指标函数构造过程如下：
基于量测噪声的非高斯特性，使用Huber函数构...

【专利技术属性】
技术研发人员：郭雷，田波，乔建忠，李文硕，
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