[发明专利]基于扩展卡尔曼滤波状态估计值的在线优化设计方法

摘要

本发明公开了一种基于扩展卡尔曼滤波状态估计值的在线优化设计方法，本发明通过对扩展卡尔曼算法得到的状态估计值添加采样点因子实现对状态估计值的更新，进而将更新后所得的状态估计值代替状态观测值。进而求出更新后的观测预测值，与观测值对比，得到残差信息阵，利用残差信息来检验更新后最适合于当前时刻的状态估计值，并将该状态估计值作为当前时刻的状态估计值。通过这种方式可以再一定程度上降低模型动态偏差对系统跟踪带来的影响，解决扩展卡尔曼滤波在系统出现模型偏差时带来的精度不足的问题，能在非线性系统领域内得到较好的运用，且具有一定的鲁棒性。

主权项

1.基于扩展卡尔曼滤波状态估计值的在线优化设计方法,应用于目标速度跟踪,包括如下步骤：(1)设计模型参数，设巡逻船的推进系统模型如下：上式中，整数k≥0为时间指数，x是系统状态向量，表示巡逻船行驶的速度，y是传感器观测值，表示由传感器所测得的巡逻船的速度，w(k)为系统噪声和v(k+1)为测量噪声；(2)在EKF框架下计算出状态估计值(2a)根据目标跟踪模型，计算对应的状态预测值(2b)根据(2a)，计算对应的观测预测值(2c)根据(2b)计算残差信息γ(k+1)；(2d)计算一阶线性化状态方程，求解状态转移矩阵(2e)计算一阶线性化观测方程，求解观测矩阵(2f)根据(2d)计算状态预测误差协方差P(k+1|k)；(2g)根据(2e)、(2f)计算增益阵K(k+1)；(2h)根据(2a)、(2c)、(2g)计算状态估计值(3)以EKF框架得到的作为一级遍历的中心，通过增加采样点因子，对进行一级遍历：(3a)逐级遍历规则；(3b)将初始采样区间中的采样点加到中，达到更新的作用；(4)利用更新后的求出二级遍历的中心：(4a)利用更新后的计算更新后的(4b)由(2b)及(4a)计算更新后的残差信息(4c)根据中绝对值最小的残差信息，求出对应的(5)重复(3)、(4)中所有的步骤，完成二级遍历，将绝对值最小的残差所对应的状态估计值输出，作为当前时刻的状态估计值。