type-2直觉模糊决策的TSK模糊模型粒子滤波方法及系统技术方案

本发明专利技术公开了type‑2直觉模糊决策的TSK模糊模型粒子滤波方法及系统，利用type‑2直觉模糊决策目标函数，选出能够体现运动目标的特性的最优特征集；构建TSK模糊模型，将最优特征集作为输入，基于TSK模糊模型的前件隶属函数计算每条规则的权重，利用加权求和的方法得到多条模糊规则的状态融合结果作为TSK模糊模型的输出；基于状态融合结果构建粒子滤波的重要密度函数，从重要密度函数中抽取粒子进行滤波更新。本发明专利技术利用type‑2直觉模糊决策目标函数选出能够体现运动目标的特性的最优特征集来构建TSK模糊模型，既减少模型的规则数和模型的冗余度也提高了模型的精确度，采用构建TSK模糊模型的输出结果作为粒子滤波算法的重要密度函数，大幅度降低粒子的退化问题。

Particle filter method and system of TSK fuzzy model for type-2 intuitionistic fuzzy decision

【技术实现步骤摘要】
type-2直觉模糊决策的TSK模糊模型粒子滤波方法及系统
本专利技术涉及粒子滤波领域，具体涉及type-2直觉模糊决策的TSK模糊模型粒子滤波方法及系统。
技术介绍
建模技术在许多领域都被广泛应用于非线性系统的精确建模。模糊系统具有很好的描述动态过程非线性行为复杂动态的能力。模糊模型辨识是基于实测数据的复杂非线性系统高精度建模的有效工具。利用模糊逻辑的非线性映射能力，定义在紧集上的复杂非线性系统可以一致逼近任意精度。在TSK模糊模型建模过程中，结构识别和参数识别都是非常关键的步骤，它们决定了模型的质量。结构识别的相关工作包括规则数的确定、结构参数的选择和模糊空间划分，即关于前件特征变量的决策问题。一组特性可能包含足够的信息来体现目标的运动趋势，当一个模型建模问题由特征定义时，特征的数量可能相当大，其中许多特征可能是不相关的或多余的。因为不相关的信息被缓存在特征的整体中，这些不相关的特征可能会降低使用所有特征的建模的性能，在粒子滤波时由于采用模型的规则数和模型的冗余度高，使得造成的粒子退化程度较高。
技术实现思路
因此，本专利技术提供了一种type-2直觉模糊决策的TSK模糊模型粒子滤波方法及系统，克服了现有技术中模型的规则数和模型的冗余度高造成的粒子退化程度高的缺陷。第一方面，本专利技术实施例提供一种type-2直觉模糊决策的TSK模糊模型粒子滤波方法，包括如下步骤：利用type-2直觉模糊决策目标函数，选出能够体现运动目标的特性的最优特征集；构建TSK模糊模型，将所述最优特征集作为输入，基于TSK模糊模型的前件隶属函数计算每条规则的权重，并利用加权求和的方法得到多条模糊规则的状态融合结果作为TSK模糊模型的输出；基于状态融合结果构建粒子滤波的重要密度函数，并从重要密度函数中抽取粒子进行滤波更新。在一实施例中，所述利用type-2直觉模糊决策目标函数，选出能够体现运动目标的特性的最优特征集的步骤，包括：通过降岭函数进行运动目标初选特征集中的各特征相似度计算；根据相似度构建基于type-2直觉模糊决策的目标函数，选出能够体现运动目标的特性的最优特征集。在一实施例中，所述各特征相似度计算包括：速度相似度计算、新息相似度计算、航向角相似度计算及时间间隔相似度计算。在一实施例中，所述根据所述相似度构建基于type-2直觉模糊决策的目标函数，选出能够体现运动目标的特性的最优特征集的步骤，包括：对各特征相似度进行融合；基于type-2直觉模糊决策的目标函数，选取出直觉模糊决策分数大于预设阈值的特征，构成所述最优特征集。在一实施例中，预设阈值其中，Q+1为初选特征集中所有特征的个数。在一实施例中，在TSK模糊模型构建过程中，使用基于相关熵和时空信息的模糊C回归聚类算法对前件参数进行识别，后件参数使用强跟踪算法进行估计。在一实施例中，所述根据所述重要密度函数进行粒子滤波的步骤，包括：从所述重要密度函数中进行抽样，得到粒子状态集；计算粒子状态集中粒子的权值，并对权值进行标准化处理；基于所述标准化的权值及所述粒子状态集，计算粒子的状态及协方差。第二方面，本专利技术实施例提供一种type-2直觉模糊决策的TSK模糊模型粒子滤波系统，包括：最优特征集获取模块，用于利用type-2直觉模糊决策目标函数，选出能够体现运动目标的特性的最优特征集；TSK模糊模型构建模块，用于构建TSK模糊模型，将所述最优特征集作为输入，基于TSK模糊模型的前件隶属函数计算每条规则的权重，并利用加权求和的方法得到多条模糊规则的状态融合结果作为TSK模糊模型的输出；粒子滤波模块，用于基于状态融合结果构建粒子滤波的重要密度函数，并从重要密度函数中抽取粒子进行滤波更新。第三方面，本专利技术实施例提供一种终端，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行本专利技术实施例第一方面所述的type-2直觉模糊决策的TSK模糊模型粒子滤波方法。第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行本专利技术实施例第一方面所述的type-2直觉模糊决策的TSK模糊模型粒子滤波方法。本专利技术技术方案，具有如下优点：本专利技术提供的一种type-2直觉模糊决策的TSK模糊模型粒子滤波方法及系统，利用type-2直觉模糊决策目标函数，选出能够体现运动目标的特性的最优特征集；构建TSK模糊模型，将所述最优特征集作为输入，基于TSK模糊模型的前件隶属函数计算每条规则的权重，并利用加权求和的方法得到多条模糊规则的状态融合结果作为TSK模糊模型的输出；基于状态融合结果构建粒子滤波的重要密度函数，根据重要密度函数进行粒子滤波。本专利技术利用type-2直觉模糊决策目标函数，选出能够体现运动目标的特性的最优特征集来构建TSK模糊模型，既可以减少模型的规则数和模型的冗余度，也提高了模型的精确度，采用构建的TSK模糊模型的输出结果作为粒子滤波算法的重要密度函数，大幅度降低了粒子的退化问题。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的type-2直觉模糊决策的TSK模糊模型粒子滤波方法的一个具体示例的流程图；图2为本专利技术实施例提供基于type-2直觉模糊特征决策方法的结构图；图3为本专利技术实施例提供降岭形分布示意图；图4为本专利技术实施例提供的TSK模糊模型示意图；图5为本专利技术实施例提供目标运动的估计轨迹及均方根误差示意图；图6为本专利技术实施例提供的type-2直觉模糊决策的TSK模糊模型粒子滤波系统的组成示意图；图7为本专利技术实施例提供的一种终端的模块组成示意图。具体实施方式下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。此外，下面所描述的本专利技术不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。实施例1本专利技术实施例提供一种type-2直觉模糊决策的TSK模糊模型粒子滤波方法，如图1所示，包括如下步骤：步骤S1:利用type-2直觉模糊决策目标函数，选出能够体现运动目标的特性的最优特征集。实际中，运动目标的特征属性的隶属度是一个需要解决的问题，采用证据理论决策的方式选择最能够体现目标机动性的特征属性，它对输入的串联组合特征矢量中的各种不同特征的特征类型和衡量尺寸没有本文档来自技高网...

【技术保护点】
1.一种type-2直觉模糊决策的TSK模糊模型粒子滤波方法，其特征在于，包括如下步骤：/n利用type-2直觉模糊决策目标函数，选出能够体现运动目标的特性的最优特征集；/n构建TSK模糊模型，将所述最优特征集作为输入，基于TSK模糊模型的前件隶属函数计算每条规则的权重，并利用加权求和的方法得到多条模糊规则的状态融合结果作为TSK模糊模型的输出；/n基于状态融合结果构建粒子滤波的重要密度函数，并从重要密度函数中抽取粒子进行滤波更新。/n

【技术特征摘要】
1.一种type-2直觉模糊决策的TSK模糊模型粒子滤波方法，其特征在于，包括如下步骤：
利用type-2直觉模糊决策目标函数，选出能够体现运动目标的特性的最优特征集；
构建TSK模糊模型，将所述最优特征集作为输入，基于TSK模糊模型的前件隶属函数计算每条规则的权重，并利用加权求和的方法得到多条模糊规则的状态融合结果作为TSK模糊模型的输出；
基于状态融合结果构建粒子滤波的重要密度函数，并从重要密度函数中抽取粒子进行滤波更新。


2.根据权利要求1所述的type-2直觉模糊决策的TSK模糊模型粒子滤波方法，其特征在于，所述利用type-2直觉模糊决策目标函数，选出能够体现运动目标的特性的最优特征集的步骤，包括：
通过降岭函数进行运动目标初选特征集中的各特征相似度计算；
根据相似度构建基于type-2直觉模糊决策的目标函数，选出能够体现运动目标的特性的最优特征集。


3.根据权利要求2所述的type-2直觉模糊决策的TSK模糊模型粒子滤波方法，其特征在于，所述各特征相似度计算包括：速度相似度计算、新息相似度计算、航向角相似度计算及时间间隔相似度计算。


4.根据权利要求3所述的type-2直觉模糊决策的TSK模糊模型粒子滤波方法，其特征在于，所述根据所述相似度构建基于type-2直觉模糊决策的目标函数，选出能够体现运动目标的特性的最优特征集的步骤，包括：
对各特征相似度进行融合；
基于type-2直觉模糊决策的目标函数，选取出直觉模糊决策分数大于预设阈值的特征，构成所述最优特征集。


5.根据权利要求4所述的type-2直觉模糊决策的TSK模糊模型粒子滤波方法，其特征在于，预设阈值其中，Q+1为初选特征集中所有特征的个数。


6.根据权利要求1所述...

【专利技术属性】
技术研发人员：李良群，王小梨，谢维信，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44