噪声相关的带偏差系统的并行式融合估计方法技术方案

本发明专利技术涉及一种噪声相关的带偏差系统的并行式融合估计方法。针对存在影响系统状态和测量的动态偏差和相关噪声的多传感器测量系统的滤波问题，本发明专利技术提出了一种基于解相关技术和并行式多传感器融合思路的带偏差系统估计方法，通过引入解相关技术，重新建立一种噪声不相关的等效模型，同时，基于噪声相关的两阶段卡尔曼滤波器，分别对多个无偏差滤波器和多个偏差滤波器进行融合，最后，将局部融合后无偏差状态值和偏差值进行融合，得到系统状态的最优估计值。本发明专利技术解决了估计中过程噪声与测量噪声的相关性导致滤波精度下降的问题。

A Parallel Fusion Estimation Method for Noise-Dependent Systems with Deviation

The present invention relates to a parallel fusion estimation method for noise-related systems with bias. In order to solve the filtering problem of multi-sensor measurement system with dynamic deviation and correlated noise which affect system state and measurement, a method of estimating system with deviation based on decorrelating technology and parallel multi-sensor fusion idea is proposed. By introducing decorrelating technology, an equivalent model with uncorrelated noise is re-established. At the same time, based on two stages of noise correlation, the method is proposed. Kalman filter fuses several unbiased filters and several unbiased filters respectively. Finally, the unbiased state value and the deviation value after local fusion are fused to obtain the optimal estimation of the system state. The invention solves the problem that the correlation between process noise and measurement noise in estimation leads to the decrease of filtering accuracy.

【技术实现步骤摘要】
噪声相关的带偏差系统的并行式融合估计方法
本专利技术属于滤波估计领域，特别涉及一种基于噪声解相关技术和并列式融合结构的带偏差系统的估计方法。
技术介绍
当动态偏差存在且影响系统过程或测量时，作为估计基础的系统增加了偏差方程，为了取得更准确的滤波估计值，需要对偏差进行估计。面对含动态偏差的状态估计问题，常见的方法是将偏差与状态合成一个新状态，进行估计，这种方法虽然容易理解，但其计算涉及高维矩阵的计算，计算量大。在此基础上，两阶段卡尔曼滤波器的引入为该问题提出了一种解决方法，该估计方法的思路如下：加入噪声自适应协方差矩阵和转换矩阵概念，利用矩阵求逆定理和转换矩阵将增强状态的滤波器过程分解为无偏滤波器和偏差滤波器两部分，用偏差滤波器来对无偏滤波器进行补偿，得到系统状态的估计值。相比于单传感器，多传感器信息融合系统在性能上有优势。利用单个传感器进行状态估计时，测量数据来源单一且容易出现问题，这就使得滤波估计的精度无法被保证；使用多个传感器进行状态估计时，测量数据来源众多，这些测量数据不太可能同时出现问题，估计的精度得到保证。因此，本专利技术重点是对存在噪声相关的带偏差系统的估计问题。
技术实现思路
为了应对上面提到的噪声相关和动态偏差情况，本专利技术引入噪声解相关技术，获得噪声相关条件下的两阶段卡尔曼滤波器。基于上述滤波器，分别对多个无偏差状态滤波器和偏差滤波器进行并行式融合，提出了噪声相关的并行式两阶段卡尔曼滤波融合估计方法。本专利技术大体上可分为五个部分。第一部分是系统模型建立；第二部分引入解相关技术，重新建立一种噪声不相关的等效模型；在第三部分，依据量测数据，得到多个局部两阶段卡尔曼滤波器；第四部分分别对无偏差滤波器和偏差滤波器进行并行式融合；最后，将两个融合结果进行组合，得到系统状态的估计值，。本专利技术的有益效果：可以对噪声相关进行处理，相对单个两阶段卡尔曼滤波器，本专利技术可以取得对无偏差状态和偏差的更精确估计值。附图说明图1为本专利技术方法递推过程。图2为本专利技术中步骤4和5的详细过程。具体实施方式以下结合附图对本专利技术作进一步说明。如图1所示，本专利技术包括以下步骤：步骤1.系统建模考虑了一类常见的带偏差多传感器系统为模型，系统过程噪声统计特性已知，存在相关噪声的系统的状态方程、偏差方程和量测方程描述如下：式中，k表示时间序列；xk,bk和yi,k分别为系统n维状态向量、m维偏差向量和第i个传感器的p维观测向量；和vi,k分别为系统状态噪声向量、系统偏差噪声向量和第i个传感器的量测噪声向量；Ak+1,k∈Rn×n为状态转移矩阵；Ci,k∈Rp×n为第i个传感器的状态观测矩阵。过程噪声、偏差噪声和量测噪声均是零均值高斯白噪声序列：vi,k～N(0,Vi,k)，且步骤2.引入解相关技术，重新建立一种噪声不相关的等效模型针对步骤1给出的带偏差多传感器系统，过程噪声与每个测量噪声存在相关性，无法直接使用两阶段卡尔曼滤波器。因此，引入噪声解相关技术，对系统状态方程进行等效变换，得到与测量噪声不相关的新的系统状态噪声。重建过程如下所述：首先，在系统状态方程的加上N个为零的公式：取则新的状态噪声与偏差噪声、测量噪声不相关，即原系统的模型可以重写为步骤3.根据第i个量测方程，得到对系统状态的第i个噪声相关的两阶段卡尔曼滤波器的估计信息，具体是：通过第i个噪声相关的两阶段卡尔曼滤波器得到无偏差状态、偏差的预测、估计值及其协方差矩阵，通过组合得到对系统状态的第i个噪声相关的两阶段卡尔曼滤波器的估计信息。步骤4.基于噪声相关的两阶段卡尔曼滤波器，在多传感器信息融合模式加入了并行式这种融合模式(组合前，分别对多个无偏差滤波器和多个偏差滤波器进行融合)在由多传感器组成的线性系统中，每个局部无偏差滤波器i对无偏差状态做出自己的估计值；同时，局部偏差滤波器i对偏差做出自己的估计值。N个局部无偏差滤波器的按照并列式方式进行融合，得到更好的无偏差状态估计值；N个局部偏差滤波器的按照同样的方式进行融合，得到更好的偏差估计值。基于多个无偏差滤波器的估计信息，得到无偏差滤波器融合后的状态估计值及其协方差矩阵，分别为：式中，为第i个滤波器的无偏差滤波器融合后的状态估计值及其协方差矩阵。基于多个偏差滤波器的估计信息，得到偏差滤波器融合后的偏差估计值及其协方差矩阵，分别为：式中，bi,k+1/k,为第i个滤波器的偏差滤波器融合后的状态估计值及其协方差矩阵。步骤5.通过线性组合公式将两个估计值组合起来，得到系统状态的估计信息xk+1/k+1,式中，Vk+1是融合因子。图2为步骤四和五的详细过程。本文档来自技高网...

【技术保护点】
1.噪声相关的带偏差系统的并行式融合估计方法，其特征在于该方法包括以下步骤：步骤1.系统建模考虑了一类常见的带偏差多传感器系统为模型，系统过程噪声统计特性已知，存在相关噪声的系统的状态方程、偏差方程和量测方程描述如下：

【技术特征摘要】
1.噪声相关的带偏差系统的并行式融合估计方法，其特征在于该方法包括以下步骤：步骤1.系统建模考虑了一类常见的带偏差多传感器系统为模型，系统过程噪声统计特性已知，存在相关噪声的系统的状态方程、偏差方程和量测方程描述如下：式中，k表示时间序列；xk,bk和yi,k分别为系统n维状态向量、m维偏差向量和第i个传传感器的p维观测向量；和vi,k分别为系统状态噪声向量、系统偏差噪声向量和第i个传感器的量测噪声向量；Ak+1,k∈Rn×n为状态转移矩阵；Ci,k∈Rp×n为第i个传感器的状态观测矩阵；过程噪声、偏差噪声和量测噪声均是零均值高斯白噪声序列：vi,k～N(0,Vi,k)，且步骤2.引入解相关技术，重新建立一种噪声不相关的等效模型由于状态噪声与量测噪声存在相关性，系统状态方程需要等效变换，重建过程如下所述：首先，在系统状态方程的加上N个为零的公式：取则新的状态噪声与偏差噪声、测量噪声...

【专利技术属性】
技术研发人员：葛泉波，王宏，张建朝，牛竹云，何美光，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33