用于获取运动对象的状态估计的方法
【专利摘要】一种用于获取运动对象的状态估计的方法，包括：针对运动对象建立下述运动方程与测量方程；针对运动对象建立下述约束条件；获取运动对象的测量信息，所述测量信息满足测量方程；执行系统变换执行状态扩维，其中将降维状态变量与未知输入组合当做新待估量；判断状态可估性；执行滤波器设计；重构获取运动对象的状态估计值，其中根据第五步骤得到的滤波结果得到降维状态以及未知输入的估计值。
【专利说明】用于获取运动对象的状态估计的方法
【技术领域】
[0001] 本发明涉及目标跟踪【技术领域】，更具体地说，本发明涉及利用约束条件所提供的 先验信息实现含输入未知项动态系统的状态估计方法。
【背景技术】
[0002] 状态估计是指以非直接的方式，根据选取的估计准则和可获取的量测数据来推测 动态系统的内部状态，估计准则确定了状态估计最优性的含义，量测数据提供了状态估计 所必须的基本资料。由于系统内部的动态规律通常需要用状态变量来描述，而能够直接得 到的测量数据仅仅只能反映系统的外部特性，因此状态估计对于掌控系统内部特性具有重 要意义。在状态估计理论的实际应用中，通过分析目标所处的环境及运行的轨迹往往可挖 掘出有用的先验信息，合理利用可达到提高估计精度的目的。
[0003] 近年来，基于约束信息和传感器输出信息的约束滤波取得了较多的研宄成果， D.Simon等人在文章Kalmanfilteringwithstateequalityconstraints(Trans. AES，2002, 38,pp. 128-136)中以约束信息经常被忽略为切入点，构造一个由约束条件张成 的约束空间，所得的滤波结果由卡尔曼滤波结果投影到约束空间生成；S.Maskell等人在 文章Trackingusingaradarandaproblemspecificproposaldistributionina particlefilter(IEEProceedings-Radar,SonarandNavigation, 2005,pp. 315 - 322) 阐述了有选择的在卡尔曼滤波的框架下利用约束条件这一观点，讨论了约束信息合理利 用的具体条件，同时说明了约束噪声水平的具体设置方法；Hewett等人在文章Arobust nullspacemethodforlinearequalityconstrainedstateestimation(Trans.SP 2010, 58, 3961 - 3971)给出了零空间的估计方法，通过把原系统转化成一个降阶系统，再对 新的系统状态进行估计得到原约束系统状态的估计值。
[0004] 然而，上述的几种方法虽然都能对约束系统实现有效估计，但它们的研宄对象都 是精确模型，且假设系统输入为零或已知的确定量。若系统含有未知输入量，则这几类方法 都将不能直接应用。事实上，实际系统中有时会存在输入项未知的情况，含未知输入的动态 系统的状态估计问题广泛出现在控制、通信、信号处理和故障诊断中，这些未知量包括无法 测量或未进行测量的控制量，未知噪声的影响或者系统不能建模的部分。例如在风力发电 机组的控制中，风叶主要由风力驱动，然而高空风速变化无常，很难用仪器实时测量。未知 输入量的存在改变了原有的系统模型，若不加考虑，所得的状态估计与实际状态会有相当 大的偏差，从而造成生产上的损失。由于约束系统的滤波问题仍然停留在精确模型上，未能 进一步的扩展，输入项已知这一假设条件，限制了约束滤波的应用范围，而有关约束系统含 未知输入的状态估计问题的研宄还未见报道。基于此，研宄约束系统含未知输入项的状态 估计方法，发展相应的滤波器就成了急需解决的问题。
【发明内容】
[0005] 本发明所要解决的技术问题是克服现有约束滤波无法处理含未知输入量的约束 系统这一缺陷，提供一种适用范围广的动态系统约束滤波器。
[0006] 为了实现上述技术目的，根据本发明，提供了一种用于获取运动对象的状态估计 的方法，包括：
[0007] 针对运动对象建立下述运动方程（1)与测量方程（2):
[0008] Xk=AkX1^rkUk-Jwk-I (1)
[0009] Zk=Hkxk+vk (2)
[0010] 其中k为对运动对象进行采样的采样时刻值而且为正整数，xk是运动对象的状态 向量；!^^是未知输入项，Zk是测量输出，过程噪声Wk和Vk是均值为零的高斯白噪声，Ak是 nXn的状态转移矩阵，rk是nXp的输入矩阵，Hk是mXn的测量矩阵，
[0011] 针对运动对象建立下述约束条件（3):
[0012] DkXk=dk (3)
[0013] 其中Dk是sXn的行满秩约束矩阵；
[0014] 随后执行下述步骤：
[0015] 第一步骤：获取运动对象的测量信息，所述测量信息满足测量方程（2);
[0016] 第二步骤：执行系统变换，设置由Dk的前s列组成的以和由Dk的余下n-s列组成 的戌：
[0017]
【权利要求】
1. 一种用于获取运动对象的状态估计的方法，其特征在于包括： 针对运动对象建立下述运动方程（1)与测量方程（2):
其中k为对运动对象进行采样的采样时刻值而且为正整数，xk是运动对象的状态向量； 化^是未知输入项，zk是测量输出，过程噪声wk和Vk是均值为零的高斯白噪声，Ak是nXn 的状态转移矩阵，rk是nXp的输入矩阵，Hk是mXn的测量矩阵， 针对运动对象建立下述约束条件（3):
其中Dk是sXn的行满秩约束矩阵，dk是sXl的约束向量； 随后执行下述步骤： 第一步骤：获取运动对象的测量信息，所述测量信息满足测量方程（2); 第二步骤：执行系统变换，设置由Dk的前s列组成的4和由Dk的余下n-s列组成的D：'
2. 根据权利要求1所述的用于获取运动对象的状态估计的方法，其特征在于还包括： 第三步骤：执行状态扩维，其中由第二步骤的处理结果，将降维状态变量与未知输入组 合当做新待估量，将矩阵rk写做如下的分块矩阵形式：
相应的估计误差协方差为
5. 根据权利要求4所述的用于获取运动对象的状态估计的方法，其特征在于还包括： 第六步骤：重构获取运动对象的状态估计值，其中根据第五步骤得到的滤波结果得到 降维状态以及未知输入的估计值。
6. 根据权利要求5所述的用于获取运动对象的状态估计的方法，其特征在于，第六步 骤包括： 获取降维状态x2，k的估计值和估计误差协方差分别如下
7. 根据权利要求1或2所述的用于获取运动对象的状态估计的方法，其特征在于，所述 运动对象是运动车辆。
8. 根据权利要求1或2所述的用于获取运动对象的状态估计的方法，其特征在于，所述 运动对象是风力发电机组的风叶。
【文档编号】G01D21/00GK104482955SQ201410738053
【公开日】2015年4月1日 申请日期:2014年12月4日 优先权日:2014年12月4日
【发明者】文传博, 高羽, 张向锋 申请人:上海电机学院