[发明专利]一种具有随机发生不确定性和量化测量的非线性滤波方法

说明书

本发明提供一种具有随机发生不确定性和量化测量的非线性滤波方法，属于状态估计技术领域。本发明首先建立具有随机发生不确定性和量化测量的非线性时变系统动态模型、对动态模型进行滤波器设计；然后计算一步预测误差协方差矩阵的上界；通过一步预测误差协方差矩阵的上界计算得到滤波增益矩阵K_k+1；再将滤波增益矩阵K_k+1代入步骤二的滤波器中，得到k+1时刻的状态估计并根据计算出的滤波增益矩阵K_k+1，计算出滤波误差协方差矩阵的上界Σ_k+1|k+1；重复上述步骤，直至满足达到滤波总时长。本发明解决了现有滤波技术不能同时处理随机发生不确定性和量化测量，进而导致滤波误差大的问题。本发明可用于非线性时变系统的滤波。

技术领域

本发明涉及一种具有随机发生不确定性和量化测量的非线性滤波方法，属于状态估计技术领域。

背景技术

滤波是将信号中特定波段频率滤除的操作，是选择信号和抑制干扰的一项基本而重要措施。滤波在控制系统中属于重要的研究问题，在雷达测距、目标跟踪系统、图像采集等领域的信号估计任务中获得广泛应用。由于数据的冗余和信道带宽限制，当数据通过网络传输到滤波器端时，通常会导致一些网络诱导现象发生，如网络拥堵、延迟等，设计适应这些网络诱导现象的滤波算法是十分必要的。

目前现有的方法不能同时处理具有信号量化和随机发生不确定性的鲁棒滤波方法，降低了滤波算法的精确性，滤波误差大；

当现有方法忽略信号量化时，尤其是随机信号量化，提高滤波器的数据处理难度，会降低滤波性能；

现有的方法没有充分考虑随机非线性和随机发生不确定性，降低了滤波算法的抗扰动能力。

发明内容

本发明为解决现有滤波技术不能同时处理随机发生不确定性和量化测量，进而导致滤波误差大的问题，提供了一种具有随机发生不确定性和量化测量的非线性滤波方法。

本发明所述一种具有随机发生不确定性和量化测量的非线性滤波方法，通过以下技术方案实现：

步骤一、建立具有随机发生不确定性和量化测量的非线性时变系统动态模型；

步骤二、对步骤一建立的所述动态模型进行滤波器设计；

步骤三、计算一步预测误差协方差矩阵的上界Σ_k+1|k；

步骤四、根据步骤三得到的一步预测误差协方差矩阵的上界Σ_k+1|k，计算k+1时刻滤波增益矩阵K_k+1；

步骤五、将步骤四中获得的滤波增益矩阵K_k+1代入步骤二的滤波器中，得到k+1时刻的状态估计

判断k+1是否达到滤波总时长M，若k+1M，则执行步骤六，若k+1＝M，则结束；

步骤六、根据步骤四中计算出的滤波增益矩阵K_k+1，计算出滤波误差协方差矩阵的上界Σ_k+1|k+1；令k＝k+1，进入步骤二，直至满足k+1＝M。

本发明最为突出的特点和显著的有益效果是：

本发明所涉及的一种具有随机发生不确定性和量化测量的非线性滤波方法，同时考虑了随机发生不确定性和量化测量对滤波性能的影响，利用扩展卡尔曼滤波的方法得到了滤波算法的具体形式，与现有的时变非线性系统的滤波方法相比，本发明可以同时处理非线性扰动、随机发生不确定性和量化测量，得到了满足递推形式的滤波方法，达到了抗非线性扰动和随机发生不确定性的目的，本发明适用于非线性时变系统的鲁棒滤波问题。

针对具有随机发生不确定性和量化测量的的非线性时变系统，所发明的滤波器设计方法可有效地估计出目标状态并且滤波误差协方差上界的迹总能够保持在对应的均方误差上面。相比现有方法，滤波相对误差减少约25％。