申请/专利权人：郑州轻工业大学

申请日：2020-08-31

公开（公告）日：2020-11-20

公开（公告）号：CN111969979A

主分类号：H03H21/00(20060101)

分类号：H03H21/00(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.03.31#授权;2020.12.08#实质审查的生效;2020.11.20#公开

摘要：本发明提出了一种最小误差熵CDKF滤波器方法，属于机器人导航定位技术领域，用于解决中心差分滤波算法计算不稳定性的技术问题。本发明在观测更新步骤中引入新型的最小误差熵准则，通过非线性系统预测噪声误差与观测噪声联合实施系统模型扩展操作来获得新的系统噪声表达式，根据基于Renyis熵准则的二阶信息势能公式构造误差代价函数，从而设计出CDKF算法的观测更新计算过程，由此构造出一种新型的基于误差熵的中心差分滤波算法计算框架。本发明通过观测更新步骤的二阶最小误差熵信息势能微分计算，有效改善了传统CDKF算法的计算不稳定性问题，经由陆基机器人运动状态仿真验证，MEE‑CDKF算法的计算效能获得改善，计算精度得到保证。

主权项：1.一种最小误差熵CDKF滤波器方法，其特征在于，其步骤如下：步骤一、构建陆基机器人的非线性离散系统状态空间模型，利用二阶Stirling插值多项式对非线性离散系统进行数值积分逼近计算，得到非线性离散系统的确定性采样点及线性表达式；步骤二、根据k-1时刻非线性离散系统状态空间模型的状态变量估计值估计误差方差矩阵Pk-1，获得k-1时刻的状态变量估计值的确定性采样点和加权系数；步骤三、根据k-1时刻的状态变量估计值的确定性采样点确定加权采样点集合，并预测k时刻的非线性离散系统的状态变量预测值步骤四、根据非线性离散系统的状态变量预测值获取非线性离散系统的状态变量的预测误差，并根据预测误差对非线性离散系统状态空间模型进行扩展整理获得非线性离散系统的扩展噪声项；步骤五、根据非线性离散系统的扩展噪声项计算扩展噪声误差，根据Renyis熵基于二阶信息势能构建扩展噪声误差的最小误差熵代价函数，通过最小化最小误差熵代价函数获得非线性离散系统的状态变量最优值步骤六、计算最小误差熵代价函数的偏微分方程，根据偏微分方程利用逆矩阵计算原理获得状态变量最优值的估计值估计方差矩阵和估计协方差矩阵；步骤七、根据步骤六获得的状态变量最优值的估计值设置参数τ，令判断若是，输出状态变量最优值的估计值估计方差矩阵和估计协方差矩阵，执行步骤八，否则，返回步骤六，其中，表示第k时刻系统状态变量上一步迭代估计值；步骤八、根据状态变量最优值的估计方差矩阵计算非线性离散系统的状态变量的后验方差矩阵。

全文数据：

权利要求：

百度查询： 郑州轻工业大学 一种最小误差熵CDKF滤波器方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD