[发明专利]一种考虑量测信号丢失的动态振荡信号参数辨识方法

摘要

本发明公开了一种考虑量测信号丢失的动态振荡信号参数辨识方法。该方法首先采用二项分布建立了量测信号丢失的数学模型；然后，在此基础上设计出了适用于量测信号丢失情形下动态振荡信号参数辨识的方法，即改进的扩展卡尔曼滤波算法。该算法在设计时不仅考虑了量测信号丢失的情况，而且引入了系统噪声和量测噪声协方差矩阵的动态计算方法，可以有效的避免因噪声协方差矩阵设置不当而引起的算法失效，提高了算法的效率。该算法因考虑了实际工程背景，且简单方便，具有较高的工程应用价值。

主权项

1.一种考虑量测信号丢失的动态振荡信号参数辨识方法，其特征在于，包含如下步骤：(1)、获取量测信号丢失的离散状态空间表达式；(2)、初始化，包括：设定参数辨识的初值初始参数辨识误差协方差以及过程噪声和量测噪声所满足的初始协方差矩阵Q₀和R₀，整体算法迭代次数最大值S；(3)、获取量测数据丢包情况下的量测数据y(k)；(4)、由已知条件，计算k时刻的系统噪声和量测噪声所满足的协方差矩阵Q(k)和R(k)；(5)、由已经得到的k‑1时刻的状态估计值和状态估计误差协方差，利用预测步，得到k时刻的状态预测值和状态预测误差协方差；(6)、由已知条件计算k时刻的中间迭代变量M(k)；(7)、利用k时刻的中间迭代值M(k)和k时刻的预测误差协方差计算k时刻的最优滤波增益；(8)、利用k时刻的最优滤波增益和k时刻的预测误差协方差计算k时刻的估计误差协方差；(9)、结合已得到的k时刻的最优滤波增益和k时刻的状态预测值计算k时刻的状态估计值；(10)、按照上述步骤，进行多次迭代辨识，若k≤S，则迭代继续，若k＞S，则迭代结束，输出辨识结果；获取量测信号丢失的离散状态空间表达式，模型公式为：式中，x(k)表示k时刻的状态向量，y(k)表示k时刻的输出量测向量，f(·)和h(·)是对应于具体问题中的非线性函数，w(k)和v(k)分别是系统噪声和量测噪声，Ξ(k)是符合二项分布的白噪声随机序列，即，Ξ(k)＝diag{γ1(k),γ2(k),…,γm(k)}，γi(k)(i＝1...m)是不相关的随机变量，且与w(k)和v(k)，x(0)不相关；(2)、γi(k)的取值为0或者1，且满足如下计算公式：prob(γi(k)＝0)＝1‑μi(k)prob(γi(k)＝1)＝μi(k)式中，prob(γi(k)＝0)＝1‑μi(k)表示的是第i个量测量的丢失率；由已知条件，计算k时刻的系统噪声和量测噪声所满足的动态协方差矩阵Q(k)和R(k)，计算公式为：Q(k)＝G(k)CvkG(k)T式中k代表第k时刻迭代，N是动态估计窗口值，其是一个常数，G(k)是k时刻的卡尔曼滤波增益，是k时刻的状态估计协方差，表示非线性函数h(·)在处的雅克比矩阵，其中h(·)对应具体问题输出方程中的非线性函数，上标T表示矩阵的装置；系数的计算公式如下：由已经得到的k‑1时刻的状态估计值和状态估计误差协方差，利用预测步，得到k时刻的状态预测值和状态预测误差协方差，计算公式为：式中，表示k时刻的状态预测值，f(·)表示非线性函数，表示k‑1时刻的状态估计向量；表示k时刻的状态预测误差协方差，表示非线性函数f(x)在处的雅克比矩阵，表示k‑1时刻的状态估计误差协方差，上标T表示转置，Q(k‑1)是系统噪声k‑1时刻所满足的动态协方差矩阵；由已知条件计算k时刻的中间迭代变量M(k)，其计算公式为：式中符号表示Hadamard乘积，其定义为式中系数的取值计算规则为：