【技术实现步骤摘要】
约束一步超前量测的粒子滤波方法、设备、系统及介质
[0001]本专利技术属于信号处理
，具体涉及约束一步超前量测的粒子滤波方法、设备、系统及介质。
技术介绍
[0002]约束动态随机系统广泛存在于民用/军事领域，比如，在机载/星载雷达的地面目标跟踪中，车辆受道路、地形和地势等限制；又如飞行器姿态估计要求状态分量(四元数)的平方和为1。尽管这些约束限制了系统的状态空间，但其也蕴含着状态的演化规律和取值范围，从信息融合角度出发，有效利用约束信息可显著提升系统滤波精度，这对系统分析、辨识和控制等都大有裨益。因而近些年约束滤波算法得到了广泛关注。
[0003]然而，现有的约束滤波算法仅使用当前时刻约束，事实上，未来约束也是有效的，以终态约束为例，在攻击雷达系统中，人们为了防止雷达阵列被袭击，利用雷达位置这一先验知识能够提高反辐射导弹运动建模精度，从而获得更好的目标跟踪结果来实现导弹拦截任务，也就是未来约束信息对动态随机系统是有效的额外信息，其缺少当前及之后时刻的约束信息，滤波的精度相对较低。
技术实现思路
【技术保护点】
【技术特征摘要】
1.约束一步超前量测的粒子滤波方法，其特征在于，包括以下步骤：融合不等式约束信息与给定动态模型，将状态预测分布中心值移动到可行域，得到约束辅助动态模型；在量测和约束条件下利用贝叶斯公式推导状态后验密度函数分解结构，包括当前时刻约束条件下的状态后验分布和下一时刻约束条件下的当前时刻状态分布；在当前时刻约束条件下，选取给定动态模型和约束辅助动态模型逐次作为建议分布函数，从给定动态模型中采样保留满足约束的粒子；对于不满足约束的粒子，构造并计算相应的约束辅助动态模型，采样并保留满足约束的粒子；构建移动代价函数的方法补偿动态模型修正对粒子分布的影响，计算量测似然函数和代价函数更新粒子权重，获得当前时刻约束条件下的状态后验分布；在下一时刻约束条件下，判断每个约束粒子预测分布中心值是否满足下一时刻约束，对于超出可行域的中心值，通过构建相应粒子约束辅助动态模型方法以保证粒子轨迹满足连续两个时刻约束信息，利用移动代价函数方法更新当前粒子权重；通过分别融合当前时刻约束条件和下一时刻约束条件构造动态模型的方法，得到约束一步超前量测的状态后验密度函数，输出状态估计结果。2.根据权利要求1所述的约束一步超前量测的粒子滤波方法，其特征在于，所述约束辅助动态模型为约束修正给定动态模型得到的，在当前时刻约束条件下，包括以下步骤：基于约束的似然函数为p(C
k
|x
k
)：若状态x
k
满足约束C
k
时，似然函数值为1；否则为0；动态方程为x
k
＝f(x
k
‑1)+w
k
，w
k
为过程噪声，服从均值为0协方差为Q
k
的高斯分布，其概率密度函数表达式为p(x
k
|x
k
‑1)；预测状态集合通常聚集在预测分布中心值附近，通过构造移动准则函数的方法将预测中心值移动到约束范围内；无约束的状态预测分布中心值为通过移动准则函数求解得到满足约束的中心值为u
k
，若满足约束，则否则u
k
通过约束优化方法求解优化函数：用于在可行域内找到一个预测概率密度最大的点作为新的预测中心值，将给定动态模型信息和约束有效融合；得到的约束辅助动态模型为x
k
＝u
k
+w
k
。3.根据权利要求2所述的约束一步超前量测的粒子滤波方法，其特征在于，在量测和约
束条件下利用贝叶斯公式推导出状态后验密度函数分解结构，包括以下步骤：量测方程y
k
＝h(x
k
)+v
k
，其概率密度函数表达式为p(y
k
|x
k
)，利用贝叶斯公式在量测和约束条件下进行状态后验密度函数分解，采用已知的量测序列y
1:k
和约束序列C
1:k+1
，计算得到状态后验密度函数：其中，p(x
k
|y
1:k
,C
1:k
)为当前时刻约束下状态后验密度函数，p(C
k+1
|x
k
)为状态x
k
的预测状态满足下一时刻约束的似然函数。4.根据权利要求3所述的约束一步超前量测的粒子滤波方法，其特征在于，将给定动态模型和约束辅助动态模型逐次作为建议分布函数进行粒子采样的粒子滤波算法，包括以下步骤：上一时刻带权重的粒子集为上一时刻带权重的粒子集为为第i个粒子，N为粒子个数，为第i个粒子的归一化权重且粒子权重之和...
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。