【技术实现步骤摘要】
基于非理想条件下非线性网络系统的高斯滤波方法
本专利技术涉及非线性网络系统的高斯滤波方法,具体涉及一种针对带有相关噪声、一步随机延迟测量和数据丢包的非线性系统的状态估计方法。
技术介绍
近几年,网络系统的估计问题引起了广泛的关注[1-3]([1]L.Schenato,“Optimalestimationinnetworkedcontrolsystemssubjecttorandomdelayandpacketdrop,”IEEEtransactionsonautomaticcontrol,vol.53,no.5,pp.1311,2008.[2]W.A.Zhang,L.Yu,G.Feng,“Optimallinearestimationfornetworkedsystemswithcommunicationconstraints,”Automatica,vol.47,no.9,pp.1992-2000,2011.[3]R.Caballero-A.Hermoso-Carazo,J.Linares-Pérez,“Optimalstateestimationfornetworkedsystemswithrandomparametermatrices,correlatednoisesanddelayedmeasurements,”InternationalJournalofGeneralSystems,vol.44,no.2,pp.142-154,2015.)。卡尔曼滤波器(KF)[4](R.E.Kalman, ...
【技术保护点】
1.基于非理想条件下非线性网络系统的高斯滤波方法,其特征在于:所述方法具体过程为:/n步骤一、建立系统模型及传感器量测模型;/n步骤二、给出假设和引理;/n步骤三、基于步骤二设计高斯滤波器;/n步骤四、基于三阶球径容积法则,对步骤三中的高斯加权积分进行近似,得到设计滤波器的的数值形式。/n
【技术特征摘要】
1.基于非理想条件下非线性网络系统的高斯滤波方法,其特征在于:所述方法具体过程为:
步骤一、建立系统模型及传感器量测模型;
步骤二、给出假设和引理;
步骤三、基于步骤二设计高斯滤波器;
步骤四、基于三阶球径容积法则,对步骤三中的高斯加权积分进行近似,得到设计滤波器的的数值形式。
2.根据权利要求1所述基于非理想条件下非线性网络系统的高斯滤波方法,其特征在于:所述步骤一中建立系统模型及传感器量测模型;具体过程为:
建立带有相关噪声的非线性离散时间系统模型:
xk+1=f(xk)+ωk(7)
建立一般的非线性量测模型:
zk=h(xk)+υk(8)
式中,xk+1为k+1时刻的系统状态,xk为k时刻的系统状态,xk,xk+1∈Rn,Rn为n维实数空间;zk是k时刻传感器模型,zk∈Rm,Rm为m维实数空间;f(·)和h(·)为已知的非线性函数;ωk∈Rn和υk∈Rm是相关的零均值高斯白噪声并且协方差为
式中,δkl是Kroneckerdelta函数,Qk和Rk分别为过程噪声和量测噪声协方差,Sk为互协方差,l为l时刻,ωl∈Rn和υl∈Rm是相关的零均值高斯白噪声;
考虑通信带宽、延迟测量及数据丢包,一般的非线性量测模型进一步建立为:
式中,zk是k时刻传感器模型;zk-1是k时刻传感器模型;zk|k-1是当zk丢失时的补偿量,为k时刻的量测值一步预测;γk和ηk是不相关伯努利分布变量并且满足P为概率;为中间变量;yk是存在量测时滞和数据包丢失的k时刻传感器模型。
3.根据权利要求1或2所述基于非理想条件下非线性网络系统的高斯滤波方法,其特征在于:所述步骤二中给出假设和引理;具体过程为:
假设1.假设ωk,υk,γk和ηk与x0不相关,且x0满足
式中,x0为初值,为初值的估计值,E[]为求期望,(·)T为T为转置,为初值对应协方差;
引理1.A=[aij]n×n是实值矩阵,B=diag{b1,…,bn}和C=diag{c1,…,cn}是对角随机矩阵,定义
式中,aij为A矩阵的第i行第j列元素,[aij]n×n为第i行第j列元素为aij的n×n矩阵,diag表示将其后面的元素排列为对角阵,b1为矩阵对角线第1个元素,bn为矩阵对角线第n个元素,c1为矩阵对角线第1个元素,cn为矩阵对角线第n个元素,E{BACT}为先对矩阵BACT做乘法运算然后求期望,⊙是Hadamard积;
增广系统为然后,有
式中,Xk+1为增广系统,φ和均为中间变量;
其中,且
式中,I为单位矩阵,0为零矩阵,为φ的期望,E[φ]为对φ求期望,为的期望,为对求期望。
4.根据权利要求3所述基于非理想条件下非线性网络系统的高斯滤波方法,其特征在于:所述步骤三中设计高斯滤波器;具体过程为:
一步预测均值和协方差矩阵分别给出如下
Xk+1|k=Xk+1|k-1+Kkεk(1)
式中,Xk+1|k-1为两步预测,为两步预测协方差矩阵,εk为新息,为新息协方差矩阵,T为转置,Kk为增益矩阵,定义如下
式中,为在k-1时刻量测条件下Xk+1与εk的互协方差矩阵;
量测修正后的均值和协方差矩阵如下:
Xk+1|k+1=Xk+1|k+Mk+1εk+1(4)
式中,为新息协方差矩阵,εk+1为新息,Mk+1为增益矩阵;
式中,为在k时刻量测条件下Xk+1与εk+1的互协方差矩阵。
5.根据权利要求4所述基于非理想条件下非线性网络系统的高斯滤波方法,其特征在于:所述步骤四中基于三阶球径容积法则,对步骤三中的高斯加权积分进行近似,得到设计滤波器的的数值形式;具体过程为:
预测:
1、分解
式中,为k时刻状态的一步预测协方差矩阵,Mk|k-1为中间变量,为k时刻增广系统的一步预测协方差矩阵,为中间变量;
在N1中,令
式中,N1为一个高斯分布,Γk,k-1|k-1为中间变量,是构造的状态xk与噪声υk-1基于k-1时刻量测的估计,xk|k-1为k时刻状态的一步预测,υk-1|k-1为k-1时刻量测噪声的估计值,Πk,k-1|k-1为中间变量,为k时刻状态一步预测协方差矩阵,为状态xk与噪声υk-1基于k-1时刻量测的互协方差矩阵,为k-1时刻量测噪声的协方差矩阵,Mk,k-1|k-1为中间变量;
2、计算容积点
xi,k|k-1=Mk|k-1ξi+xk|k-1,i=1,…2n(88)
式中,xi,k|k-1为k时刻关于一步预测量的容积点,ξi、ζi、为sigma点,且维数分别为2n、4n和2(n+m...
【专利技术属性】
技术研发人员:宋申民,赵凯,张秀杰,谭立国,
申请(专利权)人:哈尔滨工业大学,
类型:发明
国别省市:黑龙;23
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。