[发明专利]一种量测窗长自适应滑动的时变参数估计方法

说明书

本发明公开了一种量测窗长自适应滑动的时变参数估计方法，用自适应滑动的窗长选择更加有用的量测进行参数估计，通过传感器测量含有未知参数的系统以获得量测，再将量测传给第一级事件驱动量测选择器，其量测选择条件与现有事件驱动策略完全相同；经第一级事件驱动量测选择器选择后，将量测通过通信网络传递给第二级事件驱动量测选择器，以自适应选取靠近当前时刻的一个滑动窗长内的所有量测，第二级事件驱动的触发条件是后一时刻量测来决定前一时刻量测的取舍，依次类推，直至事件驱动条件不满足，舍掉不满足事件驱动条件时刻以前的所有量测；最后将窗长内的量测传递给估计器对参数进行估计。以解决FIR线性系统时变或突变参数的快速高精度估计与辨识问题。

技术领域

本发明属于参数估计或辨识技术领域，涉及一种量测窗长自适应滑动的时变参数估计方法。

背景技术

在估计与辨识技术中，量测信息越丰富，越有助于提升状态或参数的估计精度，但从算法的执行效率角度来说，在保障估计高精度或至少精度不会损失太多的前提下，如何有效快速地处理量测信息一直是工程技术关注的热点。基于事件驱动的量测选取策略为解决工程应用(特别是网络化多传感器系统)中算法快速执行问题提供了一种很好的解决方案，该方法通过在传感器测量与网络通讯之间设置传递触发或驱动条件，如图2所示，目的是选择对估计或辨识相对重要的量测，如果量测满足传递触发条件，则传感器传递量测的事件被驱动，否则传感器即使采集到量测，信息也不会被传递。事件驱动的量测选取策略实现了估计或辨识在精度与计算量之间的有效折衷，一方面被选择的相对重要的量测保障了估计或辨识精度，而事件触发又降低了需要被处理的量测信息量，降低了通信负担及算法计算负担。

本发明面向单传感器在不同采样时刻的量测时间驱动策略设计问题，主要解决的是FIR线性系统参数时变或突变情况下的快速高精度跟踪估计问题。如图1所示，现有事件驱动策略仅针对当前时刻量测进行传递事件判断，从传感器视角来看，不同时刻量测的重要性因时间驱动而不同，但从估计器或辨识角度来说，被传感器传递至估计器的量测具有同等重要性，这对于辨识常值参数是比较有效的，但在辨识时变参数时，则精度不佳。因为对于时变参数来说，越靠近当前时刻的量测越能及时准确地反映参数的变化特征，如果借鉴事件驱动的思路来设计一种量测窗长的自适应选取或滑动机制，即根据参数的当前变化特征，自适应选取靠近当前时刻的一段时间窗内的所有量测，而舍掉该时间窗以前的所有量测，这不仅可以实现对时变参数的快速估计与辨识，而且可以降低计算量。

发明内容

本发明的目的是提供一种量测窗长自适应滑动的时变参数估计方法，以解决FIR线性系统时变或突变参数的快速高精度估计与辨识问题。

本发明所采用的技术方案是，一种量测窗长自适应滑动的时变参数估计方法，用自适应滑动的窗长选择更加有用的量测进行参数估计，通过传感器测量含有未知参数的系统以获得量测，再将量测传给第一级事件驱动量测选择器，其量测选择条件与现有事件驱动策略完全相同；经第一级事件驱动量测选择器选择后，将量测通过通信网络传递给第二级事件驱动量测选择器，以自适应选取靠近当前时刻的一个滑动窗长内的所有量测，第二级事件驱动的触发条件是后一时刻量测来决定前一时刻量测的取舍，依次类推，直至事件驱动条件不满足，舍掉不满足事件驱动条件时刻以前的所有量测；最后将窗长内的量测传递给估计器对参数进行估计。

进一步的，具体按照以下步骤实施：

第一步、建立FIR线性系统如下：

其中k是当前采样时刻，y∈R^m是量测，观测矩阵H_k∈R^n×m满足θ∈R^m是待估计的未知时变参数，包括待估计参数Iθ₁和待估计参数IIθ₂，v_k∈R^m是零均值高斯白噪声，噪声的方差是且是正定矩阵；