一种应用在飞行测试数据分析的容错CKF滤波融合方法技术

本发明专利技术涉及一种应用在飞行测试数据分析的容错CKF滤波融合方法。本发明专利技术大体包括三部分内容：第一部分，根据实际运动目标进行系统建模；第二部分，根据复杂工程环境下量测系统中存在乘性噪声相关以及故障问题设计了乘性噪声相关的容错CKF滤波器；第三部分，根据无重置式联邦滤波器的不足，提出了改进的滤波融合方法。本发明专利技术既能处理乘性噪声相关的滤波估计问题，又能应对系统发生故障的情形，同时也能处理所有子滤波器均发生故障的极端情况，极大地提高了系统的容错性，保证了飞行测试数据的精度。

【技术实现步骤摘要】
一种应用在飞行测试数据分析的容错CKF滤波融合方法
本专利技术涉及一种应用在飞行测试数据分析的容错CKF滤波融合方法，属于目标跟踪领域。
技术介绍
飞行实验测试在评估飞行器质量和性能中有着非常重要的意义，利用测量过程中采集到的实际飞行数据对飞行器的状态跟踪轨迹分析是评估飞行器性能的重要手段，高精度的目标跟踪数据对于评估和分析飞行器运行过程中的质量和稳定性极为重要。飞行器和测量设备在运行过程中会受到复杂的环境、设备作用距离和通信电磁波的干扰，使得获得的实际飞行测试数据被噪声污染而不能直接被使用。为了解决噪声干扰问题，1960年提出的卡尔曼滤波理论，在飞行器飞行测试数据分析方面得到了重要应用。因此，开展高精度的飞行器飞行测试的数据分析研究，对提高飞行试验飞行器性能评估的准确性和稳定性具有重要意义。由于目标跟踪系统多为非线性，卡尔曼滤波只能适用于线性系统。因此，大量非线性滤波方法得以提出，其中容积卡尔曼滤波(CKF)因具有较高的滤波估计精度而被广泛使用。随着实际工程环境日趋复杂，传感器量测会受到乘性噪声和野值的干扰，导致滤波精度降低。本文档来自技高网...

【技术保护点】
1.一种应用在飞行测试数据分析的容错CKF滤波融合方法，其特征在于该方法包括以下步骤：/n步骤1.系统建模/n假设系统有N个传感器，每个传感器构成一个子滤波器，且子滤波器与主滤波器的状态变量相同，考虑如下具有乘性噪声相关的离散时间非线性系统，其状态方程和第i个传感器的量测方程分别如下：/n

【技术特征摘要】
1.一种应用在飞行测试数据分析的容错CKF滤波融合方法，其特征在于该方法包括以下步骤：
步骤1.系统建模
假设系统有N个传感器，每个传感器构成一个子滤波器，且子滤波器与主滤波器的状态变量相同，考虑如下具有乘性噪声相关的离散时间非线性系统，其状态方程和第i个传感器的量测方程分别如下：



式中，是k时刻的系统状态向量，其是由x方向位移和速度以及y方向位移和速度构成，f为已知非线性过程函数，过程噪声wk-1是零均值方差为Qk-1的高斯白噪声向量；

是k时刻第i个子滤波器的量测向量，i＝1,2,…,N，hi为第i个子滤波器非线性量测函数，Ai,k＝diag{1+ui,k,…,1+ui,k}＝(1+ui,k)I，ui,k和vi,k分别是第i个子滤波器k时刻乘性和加性高斯白噪声，且具有相关性，vi,k＝[v1,k,…,vm,k]T，且E{vi,k}＝μi,v1＝μi,v[1,…,1]T，wk-1和vi,k互不相关，σi为随机向量，用来描述野值大小，当ρk＝0时表示无故障，当ρk＝1时，表示发生故障；



式中，δkj为Kronecher-δ函数，μi,u和分别为第i个子滤波器乘性量测噪声均值和方差，μi,v和分别为第i个子滤波器加性量测噪声均值和方差，di,k为第i个子系统噪声相关系数；
步骤2.模型转换
将量测方程表示为非线性量测和虚拟量测噪声的总和：



式中，为第i个子滤波器k时刻的虚拟量测噪声，其相对应的均值为方差为
步骤3.给出子滤波器的乘性噪声相关的容错CKF滤波算法，具体如下：
步骤3.1时间更新阶段，已知上一时刻子滤波器的状态估计值和估计误差协方差矩阵Pi,k-1，则时间更新如下：















式中，Sk-1为由估计误差协方差矩阵Pi,k-1经过cholesky分解得到，ξj为提前确定的cubature点，和为经计算和传播后的第j个cubature点，为状态预测值，Pk|k-1为预测误差协方差矩阵；
步骤3.2计算E{hi(xk)}、Var{hi(xk)}和Cov{xk,hi(xk)}：


















式中，Sk|k-1为由预...

【专利技术属性】
技术研发人员：马中骋，付东洋，葛泉波，申兴发，刘洺辛，
申请(专利权)人：广东海洋大学深圳研究院，
类型：发明
国别省市：广东;44