[发明专利]一种基于事件驱动的量测调度方法

权利要求书

1.一种基于事件驱动的量测调度方法，其特征在于，通过设计一种开环随机事件触发机制，根据量测的贡献度自适应调节量测窗长：判断从当前时刻到初始时刻的量测选取事件是否被触发，如果事件被触发，则窗长加1，继续判断前一时刻，否则即得到当前时刻的量测窗长；然后结合EM框架，设计一种基于事件驱动的量测调度自适应变划窗EM参数解析辨识技术；

本发明基于一类离散时间乘性参数线性系统，具体如下：

x_k+1＝F(x_k)θ+S(x_k)+ω_k (1-1)，

y_k＝H_kx_k+v_k (1-2)，

式中，公式(1-1)为系统模型的动态方程，公式(1-2)为系统模型的量测方程；

k∈{1,2,…}是离散时间，x_k∈Rⁿ和y_k∈R^m是系统状态和量测向量；F(·)∈R^n×p和S(·)∈Rⁿ是已知的线性函数，θ∈R^p是与F(·)乘性耦合的系统参数；H_k∈R^m×n是量测矩阵；ω_k∈Rⁿ是过程噪声，v_k∈R^m是量测噪声；w_k和v_k分别是均值为零方差为Q和R的高斯白噪声；初始状态x₀服从均值为方差为P₀的高斯分布；

具体按照以下步骤实施：

步骤1、基于事件驱动的量测调度策略：

设计如下随机事件触发机制：

式中，ζ_k为服从[0,1]上均匀分布的随机变量，Z是非奇异正定矩阵，r_k为决策变量；

令z_k表示k时刻窗内的量测，则

式中，l＜k，z_i＝{y₁,y₂,…,y_i},1≤i≤l，l表示最小窗长，γ_k为决策变量，y_i为i时刻系统量测；

步骤2、根据步骤1的基于事件驱动量测调度策略，设计EM框架下参数θ的辨识结果；

步骤3、根据步骤2得到的参数辨识结果进行系统参数和状态的联合估计与辨识：

步骤3.1、根据步骤1选取的窗内量测，计算对应窗内量测时刻的状态RTS平滑和协方差；

步骤3.2、根据步骤2得到的参数辨识结果和步骤3.1得到的状态平滑和协方差，计算参数θ估计值

步骤3.3、判断迭代是否满足迭代终止条件，所述迭代终止条件为两次迭代期望误差小于给定阈值ε：

当迭代满足迭代终止条件后，即结束本次内层迭代过程，得到第k次迭代的参数θ的估计值然后将k取值加1，直到k等于量测长度，t值重置为1，返回步骤3.1继续迭代；

如果迭代不满足迭代终止条件，将t取值加1，返回步骤3.2继续迭代。

2.如权利要求1所述的一种基于事件驱动的量测调度方法，其特征在于，所述步骤2的具体方法为：

步骤2.1、求解离散时间乘性参数线性系统的完整数据对数似然函数；

步骤2.2、计算步骤2.1得到的完整数据对数似然函数的期望：

步骤a、对完整数据对数似然函数进行分解，得到关于状态的对数条件概率密度函数，概率密度函数均是待辨识参数的线性函数；

步骤b、求步骤a得到的对数条件概率密度函数关于的条件期望；

其中，为在条件下的概率密度函数，为k时刻第t次迭代参数θ的估计值，

步骤2.3、将x_k，F(x_k)和S(x_k)关于状态的各分量展开；

其中，x_k为k时刻系统状态向量；F(x_k)和S(x_k)为k时刻系统已知的线性函数；

步骤2.4、根据步骤2.3得到的x_k，F(x_k)和S(x_k)的分解形式和步骤2.2得到的期望的表达式来计算期望，然后取期望关于参数θ的导数，并令导数为零最大化期望；

步骤2.5、根据步骤2.4中使得期望取得最大值的参数θ，即可得到参数θ的辨识结果：

式中，

其中，x_i为系统i时刻的状态，x₀为系统初始状态，Q为系统过程噪声方差，γ_k为决策变量；Φ_l，Γ_l，e_s分别为F(x_k)、S(x_k)和x_k按状态x_k的分量分解得到的常数矩阵；和分别为i时刻和i-1时刻的状态平滑，P_i-1,i-1|k为i-1时刻状态的协方差，P_i-1,i|k为i时刻和i-1时刻状态的互协方差；为的第s个分量；为P_i-1,i-1|k的第j行第l个分量。