[发明专利]一种同时估计未知输入和状态的分布式融合滤波方法

摘要

本发明提出了一种同时估计未知输入和状态的分布式融合滤波方法，用以解决现有分布式滤波器没有给出未知输入估计的状态方程的问题；其步骤如下：建立带多个传感器的离散线性时变系统；基于每个传感器的观测量，设计三步递归滤波器；推导任意两个局部估计之间的互协方差矩阵，然后根据获得的局部估计和互协方差阵，利用线性最小方差分量按标量加权融合估计算法给出状态的各分量的分布式标量加权融合滤波器。本发明对状态的估计精度优于现有的分布式融合滤波方法，在系统带有统计特性未知的未知输入时，利用同时估计未知输入和状态的滤波算法给出了对未知输入的无偏估计，而现有文献中并没有给出对未知输入的估计。

主权项

一种同时估计未知输入和状态的分布式融合滤波方法，其特征在于，其步骤如下：步骤一：带多个传感器的离散线性时变系统为：x(k+1)＝A(k)x(k)+G(k)d(k)+w(k)yi(k)＝Ci(k)x(k)+Hi(k)d(k)+vi(k)其中，x(k)为k时刻的状态，x(k)∈Rn，d(k)为没有先验信息的未知输入，d(k)∈Rp，A(k)、G(k)、Ci(k)均为已知的满秩矩阵，Hi(k)为馈通列向量；w(k)为过程噪声，yi(k)为第i个传感器的观测量，vi(k)为第i个传感器的测量噪声，vi(k)∈Rl，yi(k)∈Rl，w(k)∈Rn；i＝1,2,…,N，N表示传感器的个数；Rn、Rl、Rp分别表示n维空间、l维空间和p维空间；步骤二：基于每个传感器的观测量(yi(0),yi(1),…,yi(k))，设计三步递归滤波器：x^i(k|k-1)=A(k-1)x^i(k-1|k-1)+G(k-1)d^i(k-1)]]>x^i(k|k)=x^i(k|k-1)+Li(k)(yi(k)-Ci(k)x^i(k|k-1))]]>d^i(k)=Mi(k)(yi(k)-Ci(k)x^i(k|k))]]>其中，Li(k)和Mi(k)是需要计算的增益矩阵；表示第i个传感器k时刻的状态xi(k)的最优无偏估计，表示第i个传感器k时刻的未知输入di(k)的最优无偏估计；步骤三：推导任意两个局部估计之间的互协方差矩阵Pij(k|k)，然后根据获得的局部估计和互协方差阵Pij(k|k)，利用线性最小方差分量按标量加权融合估计算法给出状态x(k)＝[x1(k),x2(k),…,xt(k)]的各分量xt(k)的分布式标量加权融合滤波器其中，是标量加权系数，表示第i个传感器第t个分量的状态估计，t＝1,2,…,n，N表示传感器的个数。