[发明专利]一种混合交互式多模型滤波方法

权利要求书

1.一种混合交互式多模型滤波方法，其特征在于，所述方法包括以下步骤：

S1：建立应用对象的系统模型与观测模型，根据外信息噪声统计特性变化情况，设置总模型集M＝{m₁ m₂ ... m_n}并采用临近的三个模型{m_s-1 m_s m_s+1}描述当前噪声特性；

S2：采用滑动窗口对前n时刻鲁棒滤波实时噪声方差阵R_k进行存储，根据平滑后的噪声统计特性选择合适的模型；

S3：计算各模型的初始概率，并给出各滤波器的混合初始状态及协方差矩阵；

S4：根据系统模型和各个模型采用的滤波模型，分别进行模型滤波，得到每个模型当前时刻的状态估计和协方差矩阵；

S5：采用贝叶斯假设检验方法进行模型更新；

S6：根据权重，将各模型的估计值进行加权融合，计算联合状态估计与协方差矩阵，输出交互式多模型最终滤波结果。

2.根据权利要求1所述的混合交互式多模型滤波方法，其特征在于，所述步骤S1包括：建立系统模型与观测模型后，根据外信息噪声统计特性变化情况，设置总模型集M＝{m₁ m₂... m_n}，分别由小到大对应不同的噪声方差阵R_k，并采用临近的三个模型{m_s-1 m_s m_s+1}描述当前噪声特性，m_s-1与m_s+1对应滤波更新过程为普通卡尔曼滤波，主模型m_s对应鲁棒滤波。

3.根据权利要求2所述的混合交互式多模型滤波方法，其特征在于，所述步骤S2具体包括：

S2.1、根据鲁棒滤波的残差r_2(k)计算实时方差阵R_2(k)：

其中为鲁棒滤波的状态估计向量，φ_2(k,k-1)为状态转移矩阵，为k-1时刻状态向量，G_2(k)为k时刻系统噪声输入矩阵，P_2(k,k-1)为一步预测估计方差阵，H_2(k)为k时刻的量测矩阵，P_O2(k-1)为k-1时刻误差方差阵，Q_2(k)为k时刻状态方差阵，r_2(k)为残差，Z_2(k)为k时刻的量测向量；

S2.2、对前n次实时噪声方差阵R_2(k)取平均，计算平滑后的噪声方差阵

S2.3、根据平滑后的噪声方差阵与当前模型集方差阵的关系选择模型，当超过当前模型集覆盖的范围时，令s＝s+1，即将R_k最小的模型m_s-1去除，引入模型m_s+2；当小于当前模型集覆盖的范围时，令s＝s-1，即将R_k最大的模型m_s+1去除，引入模型m_s-2。

4.根据权利要求2所述的混合交互式多模型滤波方法，其特征在于，所述步骤S3具体包括：

S3.1、模型转换概率遵循马尔可夫过程，从k-1时刻到k时刻，模型m_i(k-1)到模型m_j(k)的转移概率P{m_j(k)|m_i(k-1)}为马尔可夫转移概率，记为P_i→j，模型m_i(k-1)在时刻k的模型匹配概率为μ_i(k-1)，根据P_i→j和μ_i(k-1)，求得模型预测概率为：

S3.2、给出各滤波器的混合初始状态及协方差矩阵：

其中为上个时刻第i个滤波器的状态估计，P_i(k-1)为其对应的协方差矩阵，为此时刻滤波器j的状态输入，P_Oj(k-1)为其对应的状态误差协方差矩阵。