【技术实现步骤摘要】
本专利技术涉及大数据资源服务最优估计，具体涉及一种具有辨识噪声性能的抗差自适应滤波方法及应用。
技术介绍
1、标准kalman滤波（kalman filter, kf）是大数据资源服务最优估计领域里的主要算法之一，在导航、定位、控制、通信和制导等领域得到了广泛应用。kf需在数学模型确定和噪声统计特性先验已知的前提下，才能实现最优估计。然而，在大多数实际应用中，粗差不可避免地存在于观测值中、系统动力学模型异常也不可忽视、并且先验噪声协方差信息往往是未知或有偏差的，这些都会使得滤波结果次优，甚至发散。
2、因此，如何有效抵制滤波系统中的粗差、动力学模型异常及未知或有偏差的噪声协方差信息对kf精度的影响，是目前自适应滤波亟待解决的关键问题。
3、此外，粗差和动力学模型异常会导致滤波新息出现异常，使得滤波新息统计信息异常，进而造成噪声协方差的估计结果出现偏差。因此，当有粗差和动力学模型异常同时存在时，如何保证噪声协方差信息的正确估计是本专利技术要解决的另一关键问题。
技术实现思路
1、本专利技术意在提供一种具有辨识噪声性能的抗差自适应滤波方法，以解决如何有效降低滤波系统中的粗差、动力学模型异常及未知或有偏差的先验噪声协方差信息对kf精度的影响的问题。
2、为解决以上问题，本专利技术采用如下技术方案：
3、方案一：一种具有辨识噪声性能的抗差自适应滤波方法，包括以下步骤：
4、步骤一，通过基于马氏距离的自适应抗差滤波方法对初始信息进行
5、步骤二，通过相关观测抗差估计，针对修复信息，构造出相关抗差滤波新息函数序列模型
6、
7、是关于和的函数，为预测状态的先验噪声协方差，为观测噪声协方差矩阵，“-”表示预测值，为维状态转移矩阵，为维系数矩阵，表示矩阵转置，为维噪声输入矩阵，、、以及和均为定常矩阵，和分别为中关于和的矩阵系数；
8、根据滤波新息序列之间的相关性，修复异常的滤波新息统计信息，得到验后滤波新息统计信息；
9、步骤三，通过自协方差最小二乘公式，消除粗差和动力学模型异常对状态噪声以及观测噪声两类噪声协方差信息之间的耦合影响，估计得到状态噪声协方差矩阵q和观测噪声协方差矩阵r；
10、步骤四，采用迭代策略消除先验偏差噪声的影响，将异常滤波新息中的粗差、动力学模型异常和先验噪声协方差信息偏差剥离，得到滤波结果。
11、进一步，所述迭代策略为：预设有标定q值和标定r值，检测输入信息的当前q值和当前r值，若当前q值小于等于标定q值且当前r值小于等于标定r值，停止迭代。
12、进一步，步骤二中，构造一个自适应因子来放大观测噪声协方差矩阵，减少观测值中粗差的影响：
13、
14、通过对比实际判断指标和预设指标，更新观测噪声协方差矩阵；若实际判断指标不大于，则按标准kf进行滤波；若实际判断指标大于，则用替换更新观测噪声协方差。
15、进一步，服从自由度为的卡方分布，将大于这一随机事件发生的概率定义为：
16、，显著性水平为1%，为9.2。
17、进一步，步骤二中，当有粗差时，根据抗差m估计原理，构造如下约束条件的未知参数的m估计量：
18、
19、式中为m估计量的最小值，为滤波新息向量，为降权因子，表示矩阵转置；
20、为了消除异常滤波新息对其自协方差和互协方差的影响，根据滤波新息之间的相关性，采用双因子模型来构造新的降权因子：
21、
22、其中，和为降权因子；针对大地测量的实际应用情况，降权因子采用：
23、
24、
25、其中，是标准化后的滤波新息序列；是常数，取值范围为2.0~3.0；是常数，取值范围为4.5~8.5；表示滤波新息向量的第个元素；
26、与的形式相同，修正后的滤波新息和为：
27、
28、
29、得到修正后的相关序列为：
30、
31、将代入到相关抗差滤波新息函数序列模型中，构造了具有抗差自适应性的滤波新息统计信息的函数序列。
32、进一步，标定q值为，标定r值为。
33、进一步，步骤二中，为了降低动力学模型异常对后续历元状态估值的影响，构造一个自适应因子来放大预测状态的先验噪声协方差，减少动力学模型异常的影响：
34、
35、为针对动力学模型异常的自适应因子，取值范围为2.0-8.0。
36、本方案的原理及优点是：
37、本方案在标准kf滤波的基础上，通过引入基于马氏距离的自适应抗差滤波方法和基于相关观测抗差估计方法，有效减小粗差，在自协方差最小二乘方法后通过迭代策略消除先验噪声协方差的影响，有效降低动力学模型异常及未知或有偏差的噪声协方差信息对kf精度的影响，使滤波效果在不额外增加过多计算量的前提下达到最佳，有效提高滤波精度。
38、方案二：本专利技术还提供一种具有辨识噪声性能的抗差自适应滤波应用，以解决有粗差、动力学模型异常和先验噪声协方差同时存在时，如何保证噪声协方差信息的正确估计的问题。
39、为解决以上问题，本专利技术采用如下技术方案：
40、一种具有辨识噪声性能的抗差自适应滤波应用，采用如前所述的具有辨识噪声性能的抗差自适应滤波方法，对接收到的实时定位信息和从数据库中得到的先验信息进行抗差自适应滤波；并在实现对异常滤波新息中耦合着的粗差、动力学模型异常和先验噪声协方差的剥离后，得到减弱了误差后的滤波结果，通过数值仿真实验验证滤波结果。
41、进一步，所述数值仿真实验，包括以下内容，包括4种实验方案，
42、实验方案1：假设没有粗差、动力学模型异常和先验噪声协方差；
43、实验方案2：仅有先验噪声协方差；
44、实验方案3：同时有粗差和先验噪声协方差；
45、实验方案4：同时有粗差、动力学模型异常和先验噪声协方差。
46、进一步，所述数值仿真实验，包括以下内容，设置10000历元的数据长度，进行500次相同的monte carlo仿真实验，并统计这500次实验结果。
47、进一步，所述实时定位信息包括通过全球卫星导航系统和/或地面基站传递来的位置坐标。
48、本方案的优点在于：
49、能够将无人机传输过来的实时定位信息和数据库中的先验信息进行有效结合，能够在无人机采集或者传输出现异常或者先验信息设置不完善的前提下，尽最大可能消除噪声，实现精准定位。即，本方案在粗差和动力学模型异常会导致滤波新息出现异常，使得滤波新息统计信息异常，进而造成噪声协方差的估计结果出现偏差时，当有粗差、动力学模型异常以及先验噪声协方差同时存在时，能够保证噪声协方差信息的正确估计，在无人机的定位使用时，能够实现定位准确。
本文档来自技高网...【技术保护点】
1.一种具有辨识噪声性能的抗差自适应滤波方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的具有辨识噪声性能的抗差自适应滤波方法，其特征在于，所述迭代策略为：预设有标定Q值和标定R值，检测输入信息的当前Q值和当前R值，若当前Q值小于等于标定Q值且当前R值小于等于标定R值，停止迭代。
3.根据权利要求1所述的具有辨识噪声性能的抗差自适应滤波方法，其特征在于，步骤二中，构造一个自适应因子来放大观测噪声协方差矩阵，减少观测值中粗差的影响：
4.根据权利要求3所述的具有辨识噪声性能的抗差自适应滤波方法，其特征在于，服从自由度为的卡方分布，将大于这一随机事件发生的概率定义为：
5.根据权利要求1所述的具有辨识噪声性能的抗差自适应滤波方法，其特征在于，步骤二中，当有粗差时，根据抗差M估计原理，构造如下约束条件的未知参数的M估计量：
6.根据权利要求2所述的具有辨识噪声性能的抗差自适应滤波方法，其特征在于，标定Q值为，标定R值为。
7.根据权利要求1所述的具有辨识噪声性能的抗差自适应滤波方法，其特征在于，步骤二中，为
8.一种具有辨识噪声性能的抗差自适应滤波应用，其特征在于，采用如权利要求1-7任一所述的具有辨识噪声性能的抗差自适应滤波方法，对接收到的实时定位信息和从数据库中得到的先验信息进行抗差自适应滤波；并在实现对异常滤波新息中耦合着的粗差、动力学模型异常和先验噪声协方差的剥离后，得到减弱了误差后的滤波结果，通过数值仿真实验验证滤波结果。
9.根据权利要求8所述的具有辨识噪声性能的抗差自适应滤波应用，其特征在于，所述数值仿真实验，包括以下内容，包括4种实验方案，
10. 根据权利要求8所述的具有辨识噪声性能的抗差自适应滤波应用，其特征在于，所述数值仿真实验，包括以下内容，设置10000历元的数据长度，进行500次相同的MonteCarlo仿真实验，并统计这500次实验结果。
...【技术特征摘要】
1.一种具有辨识噪声性能的抗差自适应滤波方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的具有辨识噪声性能的抗差自适应滤波方法，其特征在于，所述迭代策略为：预设有标定q值和标定r值，检测输入信息的当前q值和当前r值，若当前q值小于等于标定q值且当前r值小于等于标定r值，停止迭代。
3.根据权利要求1所述的具有辨识噪声性能的抗差自适应滤波方法，其特征在于，步骤二中，构造一个自适应因子来放大观测噪声协方差矩阵，减少观测值中粗差的影响：
4.根据权利要求3所述的具有辨识噪声性能的抗差自适应滤波方法，其特征在于，服从自由度为的卡方分布，将大于这一随机事件发生的概率定义为：
5.根据权利要求1所述的具有辨识噪声性能的抗差自适应滤波方法，其特征在于，步骤二中，当有粗差时，根据抗差m估计原理，构造如下约束条件的未知参数的m估计量：
6.根据权利要求2所述的具有辨识噪声性能的抗差自适应滤波方法，其特征在于，标定q值为，标定r值为。
7.根...
【专利技术属性】
技术研发人员：李少达，李威，林旭，谭骏祥，杨容浩，李欣玥，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：
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。