主权项 |
1、适用于非线性随机系统状态的粒子滤波重采样方法,所述非线性随机系统的状态空间模型如下:xk=f(xk-1,uk-1) (1)yk=h(xk,vk) (2)其中,f(.)和h(.)是已知非线性函数,uk和vk分别是概率密度函数已知的系统噪声和观测噪声,xk是k时刻的系统状态,yk是k时刻xk的观测值;令yk代表k时刻系统真实状态的观测值,{xk(i):i=1,...,N}代表k时刻的状态样本集合,<math><mrow><mo>{</mo><msub><msup><mi>x</mi><mo>*</mo></msup><mi>k</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>:</mo><mi>i</mi><mo>=</mo><mn>1</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>N</mi><mo>}</mo></mrow>代表从{xk(i):i=1,...,N}中重采样得到的状态样本集合,{x′k(i):i=1,...,N}代表一个状态样本集合,这里x′k(i)=f(xk-1(i),0),i=1,2,..,N (3)上述各状态样本的观测值可利用下式计算<math><mrow><msubsup><mi>y</mi><mi>k</mi><mo>*</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>=</mo><mi>h</mi><mrow><mo>(</mo><msubsup><mi>x</mi><mi>k</mi><mo>*</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>,</mo><mn>0</mn><mo>)</mo></mrow></mrow>yk(i)=h(xk(i),0) (4)y′k(i)=h(x′k(i),0),i=1,2,..,N其特征在于本方法的步骤为:步骤一、得到当前时刻k时的系统状态观测值yk后,将最近三个时刻的系统状态观测值组成系统状态观测向量Yk={yk-2,yk-1,yk};分别计算各状态样本观测值并组成状态样本观测向量<math><mrow><msub><mi>Y</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>=</mo><mo>{</mo><msub><msup><mi>y</mi><mo>*</mo></msup><mrow><mi>k</mi><mo>-</mo><mn>2</mn></mrow></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>,</mo><msub><mi>y</mi><mrow><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>,</mo><msub><msup><mi>y</mi><mo>′</mo></msup><mi>k</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>}</mo><mo>;</mo></mrow>步骤二、计算上述两种观测向量的相似程度s(i)如下:s(i)=S(Yk,Yk(i)),i=1,2,...,N. (5)其中,S(.)代表某种能度量两个向量相似性的函数;利用指数函数处理s(i)得到s*(i)如下:s*(i)=eα×s(i),i=1,2,...,N (6)其中,a是一个需预先指定的比例因子,a>0,s*(i)>0;利用自然对数函数处理s(i)得到s*(i)如下:s*(i)=|ln(s(i)/π+β)|,i=1,2,...,N (7)其中,β是一个需预先指定的参数,β>0,s*(i)≥0;这里,β的作用只是为了避免当s(i)=0时|In(s(i)/π)|→∞;步骤三、计算状态样本xk-1(i)的权值ω* k-1(i)如下:<math><mrow><msubsup><mi>ω</mi><mrow><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mo>*</mo></msubsup><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>=</mo><msup><mi>s</mi><mo>*</mo></msup><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>×</mo><mi>p</mi><mrow><mo>(</mo><msub><mi>y</mi><mrow><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>|</mo><msub><mi>x</mi><mrow><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>)</mo></mrow><mo>,</mo><mi>i</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>N</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>8</mn><mo>)</mo></mrow></mrow>归一化ω* k-1(i)如下:<math><mrow><msub><mi>ω</mi><mrow><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>=</mo><msubsup><mi>ω</mi><mrow><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mo>*</mo></msubsup><mo>/</mo><munderover><mi>Σ</mi><mrow><mi>n</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msubsup><mi>ω</mi><mrow><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mo>*</mo></msubsup><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow><mo>,</mo><mi>i</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>N</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>9</mn><mo>)</mo></mrow></mrow>步骤四、以样本权值为选中概率,从粒子群{(xk-1(i),ωk-1(i)):i=1,2,...,N}中选取并复制状态样本到新状态样本集合<math><mrow><mo>{</mo><msub><msup><mi>x</mi><mo>*</mo></msup><mrow><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>:</mo><mi>i</mi><mo>=</mo><mn>1</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>N</mi><mo>}</mo><mo>.</mo></mrow> |