[发明专利]一种基于信息量测不完全的车辆运动参数估计方法

权利要求书

1.一种基于信息量测不完全的车辆运动参数估计方法，其特征在于，包括以下步骤：

(1)建立同一车道车辆相对运动的卡尔曼滤波模型；

所述车辆相对运动分为匀速运动，匀加速运动和匀减速运动；

所述卡尔曼滤波模型为：

其中，j＝1表示匀速运动的卡尔曼滤波模型，j＝2表示匀加速运动的卡尔曼滤波模型，j＝3表示匀减速运动的卡尔曼滤波模型；X_j(k)为第j个卡尔曼滤波模型k时刻的目标运动状态向量，A_j为适维状态转移矩阵，w_j(k)是均值为零、方差为Q_j的高斯白噪声，Z_j(k)表示第j个卡尔曼滤波模型k时刻的观测数据，C_j为适维量测矩阵，d_j(k)表示第j个卡尔曼滤波模型k时刻车辆运动数据的探测概率，

所述适维状态转移矩阵如下：

其中，T表示离散的周期；

所述d_j(k)取值如下：

(a)某一时刻，车辆的GPS、加速度计、毫米波雷达均工作正常且车车通信正常，则d_j(k)＝I_6×6；

(b)某一时刻，车辆的车车通信发生故障，毫米波雷达工作正常，则

(c)某一时刻，车辆的车车通信正常，毫米波雷达，GPS工作正常，加速度计故障，则

(d)某一时刻，车辆的车车通信正常，毫米波雷达、加速度计工作正常，GPS信号丢失，则d_j(k)＝I_6×6；

(e)某一时刻，只有车辆的车载视频正常工作，且能够通过跟踪获得目标运动参数，采用车载视频跟踪；

(f)某一时刻，车车通信失效、毫米波雷达传感器无效且车载视频无法跟踪，则d_j(k)＝0_6×6；v_j(k)满足：

其中，分别为距离测量方差在直角坐标系下的x轴和y轴分量，分别为速度测量方差在直角坐标系下的x轴和y轴分量，分别为加速度测量方差在直角坐标系下的x轴和y轴分量，α为任意一极小实数；

(2)考虑卡尔曼滤波模型的概率，确定卡尔曼滤波模型的输入以及误差方差阵；

(3)对每个卡尔曼滤波模型进行卡尔曼滤波递推，确定车辆的距离、速度和加速度。

2.根据权利要求1所述的一种基于信息量测不完全的车辆运动参数估计方法，其特征在于，所述方差Q_j表示如下：

其中，T表示离散的周期。

3.根据权利要求1所述的一种基于信息量测不完全的车辆运动参数估计方法，其特征在于，所述适维量测矩阵表示如下：

其中，T表示离散的周期。

4.根据权利要求1所述的一种基于信息量测不完全的车辆运动参数估计方法，其特征在于，所述卡尔曼滤波模型的输入表示为：

其中，X_j(k-1)为第j个卡尔曼滤波模型k时刻的输入，同时也是第j个卡尔曼滤波模型k-1时刻的状态估计值，ρ_i|j(k-1)为卡尔曼滤波模型的混合概率，

ρ_i|j(k-1)计算如下：

ρ_i|j(k-1)＝p_ij(k-1)ρ_i(k-1)/ρ_j(k,k-1)

其中，p_ij(k-1)为k-1时刻第j个卡尔曼滤波模型和第i个卡尔曼滤波模型之间的转移概率，ρ_i(k-1)为k-1时刻第i个卡尔曼滤波模型的模型概率估计值，ρ_j(k,k-1)为k时刻第j个卡尔曼滤波模型的模型概率预测值；

所述卡尔曼滤波模型的误差方差阵表示为：

其中，P_j(k-1)表示第j个卡尔曼滤波模型在k-1时刻的误差方差阵估计值。