[发明专利]面向异步多速率不均匀采样观测数据的信息融合估计方法

摘要

本发明提供了一种面向异步多速率不均匀采样观测数据的信息融合估计方法，有效解决了面向异步多速率不均匀采样观测数据的信息融合估计问题。步骤(1)：向计算机输入数据；步骤(2)：输入系统矩阵和系统误差方差阵，输入(k-1,k]时刻获得的来自所有传感器的观测数据和观测矩阵，以及观测噪声方差阵，并输入传感器i的观测的采样时刻ti，记录(k-1,k]时刻观测数据的个数；步骤(3)：计算状态预测值与状态预测误差协方差矩阵；步骤(4)，计算状态的融合估计值和相应的估计误差协方差矩阵；步骤(5)得到所求状态的融合估计值和融合估计误差协方差矩阵；步骤(6)：重复步骤得任意时刻的状态融合估计值与融合估计误差协方差矩阵，即完成信息融合估计。

主权项

1.一种面向异步多速率不均匀采样观测数据的信息融合估计方法，其特征在于，包括以下步骤：步骤(1)：向计算机输入传感器个数N，输入每一个传感器的采样速率S_i,i=1,2,…,N，同时输入传感器之间的采样比n_i=S₁\S_i,1≤i≤N，输入初始状态均值x₀，初始状态估计误差方差阵P₀，其中，x₀∈Rⁿ,Rⁿ表示n维实向量，P₀∈R^n×n是n维矩阵，且P₀>0为正定矩阵；n_i是用于描述传感器i和传感器1之间采样率关系的量，取值范围为正整数；步骤(2)：对时刻k=1,2,…，输入系统矩阵A(k)和系统误差方差阵Q(k)，输入(k-1,k]时刻获得的来自所有传感器的观测数据y_i(k_i)和观测矩阵C_i(k_i)，以及观测噪声方差阵R_i(k_i)，并输入传感器i的观测y_i(k_i)的采样时刻t_i，记录(k-1,k]时刻观测数据的个数M_k，其中：y_i(k_i)：第i个传感器的观测，其维数为m_i，取值范围为：m_i≤n；A(k)：系统矩阵，用于描述状态间转移的量，其取值范围为：特征值在单位圆内的满秩矩阵，设目标状态的维数为n，则A(k)∈R^n×n；C_i(k_i)：观测矩阵，用于描述观测数据的维数和观测数据含义的量，其维数为m_i，即Ci(ki)∈Rmi×n;]]>Q(k)：k时刻系统误差方差阵，用于描述系统建模误差的量，其维数为n×n，取值范围为非负定矩阵；R_i(k_i)：观测误差方差，用于描述观测误差偏差的量，其维数为m_i×m_i，取值范围为非负定矩阵；M_k：(k-1,k]时刻观测到的测量数据个数，M_k≤N；步骤(3)：在时刻k=1,2,…，利用下式计算状态预测值与状态预测误差协方差矩阵：x^(k|k-1)=A(k)x^(k-1|k-1)]]>P(k|k-1)=A(k)P(k-1|k-1)A^T(k)+Q(k)其中，P(0|0)=P₀；并记P₀(k|k)=P(k|k-1)；步骤(4)：在时刻k=1,2,…，利用步骤(3)计算出的和P₀(k|k)，以及步骤(2)输入的观测数据y_i(k_i),i=1,2,…,M_k，对i=1,2,…,M_k利用下式依次计算状态的融合估计值和相应的估计误差协方差矩阵：x^i(k|k)=x^i-1(k|k)+Ki(k)[yi(ki)-C‾i(k)x^i-1(k|k)]]]>Pi(k|k)=Pi-1(k|k)-Ki(k)C‾i(k)Pi-1(k|k)]]>Ki(k)=Pi-1(k-k)C‾iT(k)[C‾i(k)Pi-1(k|k)C‾iT(k)+Ri(k)]-1]]>其中，I+Σm=1j-1Πl=mj-1A-1(ni(ki-1)+l)+Σm=0ni-j-1Πl=j+mjA(ni(ki-1)+l),j=k-ni(ki-1);]]>步骤(5)：在时刻k=1,2,…，记x^(k-k)=x^Mk(k|k),]]>P(k|k)=PMk(k|k),]]>输出和P(k|k)，即得到时刻k所求状态的融合估计值和融合估计误差协方差矩阵；步骤(6)：将k+1赋值给k，重复步骤(2)-(5)，即得任意时刻k=1,2,…的状态融合估计值与融合估计误差协方差矩阵，即完成信息融合估计。