[发明专利]非理想网络环境下移动目标的最优状态估计方法及系统

权利要求书

1.一种非理想网络环境下移动目标的最优状态估计方法，其特征是：包括以下步骤：

建立移动目标的运动学模型以及移动目标的瞬时量测以及延时量测模型；

采用量测和新息重构方法，重建无时滞的量测序列；

构建移动目标状态递推耦合最优状态估值器，根据瞬时量测信息和延时量测信息，预测移动目标的位置信息；所述移动目标状态递推耦合最优状态估值器为移动目标状态估值器和移动目标与未知有色乘性噪声乘积的估值器耦合，通过这两类估值器在线递推计算，得到移动目标最优状态估计。

2.如权利要求1所述的一种非理想网络环境下移动目标的最优状态估计方法，其特征是：建立移动目标的运动学模型的具体过程包括：根据某时刻移动目标的状态向量和运动过程中存在的扰动，确定下一时刻的状态向量。

3.如权利要求1所述的一种非理想网络环境下移动目标的最优状态估计方法，其特征是：建立移动目标的瞬时量测以及延时量测模型的过程中，考虑加性量测噪声和未知乘性噪声的影响。

4.如权利要求1所述的一种非理想网络环境下移动目标的最优状态估计方法，其特征是：采用量测和新息重构方法，重建无时滞的量测序列的具体过程包括：描述带有时滞的原始量测序列，采用量测和新息重构的方法重建一个无时滞的量测序列。

5.如权利要求1所述的一种非理想网络环境下移动目标的最优状态估计方法，其特征是：构建移动目标状态递推最优状态估值器的具体过程包括：进行状态预测，计算状态估计误差、量测信息估计误差以及乘性噪声乘积估计误差的自协方差矩阵和交互协方差矩阵，根据计算的矩阵，对最优状态估值器的参数进行更新和优化。

6.一种非理想网络环境下移动目标的最优状态估计系统，其特征是：包括:

移动目标模型建立模块，被配置为建立移动目标的运动学模型以及移动目标的瞬时量测以及延时量测模型；

量测序列重构模块，被配置为采用量测和新息重构方法，重建无时滞的量测序列；

最优状态估值器，被配置为，根据瞬时量测信息和延时量测信息，对移动目标状态递推，实现更新优化，预测移动目标的位置信息；所述移动目标状态递推耦合最优状态估值器为移动目标状态估值器和移动目标与未知有色乘性噪声乘积的估值器耦合，通过这两类估值器在线递推计算，得到移动目标最优状态估计。

7.如权利要求6所述的一种非理想网络环境下移动目标的最优状态估计系统，其特征是：所述移动目标模型建立模块，被配置为根据某时刻移动目标的状态向量和运动过程中存在的扰动，确定下一时刻的状态向量，考虑加性量测噪声和未知乘性噪声的影响，建立移动目标的瞬时量测以及延时量测模型。

8.如权利要求6所述的一种非理想网络环境下移动目标的最优状态估计系统，其特征是：所述最优状态估值器被配置为进行状态预测，计算状态估计误差、量测信息估计误差以及乘性噪声乘积估计误差的自协方差矩阵和交互协方差矩阵，根据计算的矩阵，对最优状态估值器的参数进行更新和优化。

9.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求1-5中任一项所述的一种非理想网络环境下移动目标的最优状态估计方法。

10.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求1-5中任一项所述的一种非理想网络环境下移动目标的最优状态估计方法。