[发明专利]基于模糊逻辑的自适应强跟踪UKF定位滤波算法

权利要求书

1.一种基于模糊逻辑的自适应强跟踪UKF定位滤波算法，其特征在于，包括：

（1）建立定位滤波模型；

（2）设定滤波器初始参数；

（3）运用UKF滤波算法对状态量进行滤波；

（4）运用模糊逻辑系统求解强跟踪自适应算法中的软化因子；

（5）强跟踪自适应算法中自适应因子求解；

（6）历元时刻递加1，读取下一时刻观测，返回步骤（4），直至结束。

2.根据权利要求1所述的基于模糊逻辑的自适应强跟踪UKF定位滤波算法，其特征在于，所述定位滤波模型包括：

针对低动态环境，根据接收机的位置、速度、时钟钟差和频差建立的常速CV模型；针对高动态环境，根据接收机的位置、速度、加速度、时钟钟差和频差建立的常加速度CA模型。

3.根据权利要求1所述的基于模糊逻辑的自适应强跟踪UKF定位滤波算法，其特征在于，所述设定滤波器初始参数包括：

设置系统噪声矩阵                                               和观测噪声矩阵；

设置状态量初始估计和初始状态估计误差协方差；

滤波时刻k清零，将自适应因子赋值1，即自适应因子。

4.根据权利要求1所述的基于模糊逻辑的自适应强跟踪UKF定位滤波算法，其特征在于，所述运用UKF滤波算法对状态量滤波的步骤包括：

初始状态采样：初始状态量采样，得到初始状态sigma样本点及对应权重因子；

一步预测状态采样：根据所获得的初始状态sigma样本点，对一步预测状态和一步预测状态协方差矩阵进行估计；

一步预测状态二次采样：对获得的一步预测状态及一步预测状态协方差矩阵进行二次采样，得到二次采样的一步预测状态sigma样本点及对应权重因子；

输出一步预测：根据一步预测状态的二次采样输出观测量一步预测，之后进行观测量自协方差矩阵、观测量和状态量之间互协方差矩阵估计；

卡尔曼增益求解：通过获得的观测量自协方差矩阵和观测量与状态量的互协方差矩阵，求解卡尔曼增益矩阵，实现状态量估计更新和状态量估计协方差更新。

5.根据权利要求1所述的基于模糊逻辑的自适应强跟踪UKF定位滤波算法，其特征在于，所述运用模糊逻辑系统求解强跟踪自适应算法中的软化因子的步骤包括：

获得滤波信息向量；

模糊逻辑系统输入：通过滤波信息向量，求解模糊逻辑系统输入, 其中模糊逻辑系统输入为滤波信息向量单步协方差矩阵的迹与单步理论信息方差阵的迹之比；

模糊逻辑系统求解：根据模糊逻辑系统输入的变化规律，进行模糊逻辑系统的模糊化过程，设定模糊规则，进行模糊推理，去模糊化过程，实现软化因子输出。

6.根据权利要求5所述的基于模糊逻辑的自适应强跟踪UKF定位滤波算法，其特征在于，所述模糊化过程中输入参量隶属度函数包括三角形函数，所述模型规则包括一阶T-S模型、IF-THEN形式。

7.根据权利要求1所述的基于模糊逻辑的自适应强跟踪UKF定位滤波算法，其特征在于，所述强跟踪自适应算法中自适应因子求解的步骤包括：

由滤波信息向量对滤波信息真实协方差进行估计求解； 

求解包含滤波信息协方差和观测噪声估计的自定应矩阵；

由自定应矩阵和信息理论协方差矩阵求解自适应因子中间参数；

通过对中间参数进行判定来对自适应因子赋值。