申请/专利权人：杭州电子科技大学

申请日：2021-03-18

公开（公告）日：2024-04-12

公开（公告）号：CN113032988B

主分类号：G06F30/20

分类号：G06F30/20;G06F17/18;G06F17/16;G06F17/11

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.07.13#实质审查的生效;2021.06.25#公开

摘要：本发明公开了一种基于最大相关熵的高阶扩展卡尔曼滤波器设计方法。本发明给定两个一维随机变量，得到有限数据驱动下随机变量对的相关熵；然后给定无人机运动的状态模型和测量模型；通过将状态模型中的高阶多项式定义为系统的隐性变量，将系统的状态模型伪线性化表示，并同理将测量模型伪线性化表示，得到它们的线性形式；对线性形式的状态模型和测量模型，利用递归滤波器设计思想得到高阶扩展卡尔曼滤波器；利用多维独立向量的相关熵形式和得到的高阶扩展卡尔曼滤波器，设计得到基于最大相关熵的高阶扩展卡尔曼滤波器。本发明可以解决在非线性非高斯系统情况下，滤波性能下降和发散的问题，可以将其应用到实时估计和目标跟踪领域中去。

主权项：1.基于最大相关熵的高阶扩展卡尔曼滤波器设计方法，其特征在于：包括：步骤1给定两个一维随机变量X，Y∈R1，它们的联合分布函数为FXYx，y，得到有限数据驱动下随机变量对X，Y的相关熵，以及基于N次采样实现的多维独立向量的相关熵形式；步骤2给定无人机运动的状态模型和测量模型，其均为具有强非线性特性的复杂动态系统，通过将状态模型中的高阶多项式定义为系统的隐性变量，将系统的状态模型伪线性化表示，并同理将测量模型伪线性化表示，得到它们的线性形式；步骤3对线性形式的状态模型和测量模型，利用递归滤波器设计思想得到高阶扩展卡尔曼滤波器；步骤4利用步骤1中的相关熵形式和步骤3得到的高阶扩展卡尔曼滤波器，得到基于最大相关熵的高阶扩展卡尔曼滤波器；所述步骤2中状态模型和测量模型分别表示为：xk+1＝fxk+wkyk+1＝hxk+1+vk+1其中，xk∈Rn为n维状态向量，yk∈Rm表示m维测量向量； 和分别表示状态转移函数和测量函数；wk和vk为非高斯系统的建模误差；所述步骤2，其包括：步骤2-1对给定无人机运动系统的状态模型伪线性化表示：将状态模型等价改写成基于原始变量和隐变量相结合的伪线性模型；步骤2-2将伪线性化后的状态模型转化成真正的线性形式，并同理将非线性测量模型等价改写为以状态和参数为变量的线性形式；所述步骤4，其包括：步骤4-1利用高阶扩展卡尔曼滤波器，得到一个关于系统状态变量Xk+1的测量模型，和系统线性化后的实际测量模型联合成测量模型组合步骤4-2将测量模型组合中非高斯建模误差向量uk+1中各分量的统计独立化，转化成步骤1中多维独立向量的相关熵形式；步骤4-3基于测量模型组合建立求解系统状态变量估计值的相关熵目标函数，通过求取相关熵目标函数极大值解，得到系统状态变量Xk+1在最大相关熵准则下的最优估计值步骤4-4基于最大相关熵目标函数的系统状态变量估计值求解不动点，并对其迭代数值求解；步骤4-5利用不动点求解方程向Kalman滤波等价转换；步骤4-6在线迭代Kalman滤波求解系统状态变量估计值

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于最大相关熵的高阶扩展卡尔曼滤波器设计方法

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