一种模糊自适应变分贝叶斯无迹卡尔曼滤波方法

摘要

一种模糊自适应变分贝叶斯无迹卡尔曼滤波方法。本发明包括估计一步预测目标状态及其协方差阵；迭代估计测量噪声的方差；计算当前时刻的残差方差阵的真实值，估计值，匹配程度指标，调整量以及调整后的测量噪声方差；计算目标状态的估计及其误差协方差。本发明提出的方法具备在线估计测量噪声的统计方差能力，降低了由于噪声统计特性未知时变而导致的滤波误差，提高了非线性滤波估计精度。与此同时，利用基于新息的协方差匹配技术的模糊逻辑方法，实时调整变分贝叶斯方法估计的量测噪声方差，抑制滤波器的发散，增强了滤波方法的鲁棒性。

主权项

一种模糊自适应变分贝叶斯无迹卡尔曼滤波方法，其特征在于：步骤1 设置滤波初始条件，具体包括：(1.1) 初始状态及其协方差阵；(1.2) 模糊逻辑方法中的移动窗口大小W；(1.3) VB迭代次数N，初始化参数，，；步骤2 进行滑动窗口内的变分贝叶斯无迹卡尔曼滤波（VB‑UKF）计算，具体包括：(2.1) 设置循环控制变量的初值，令，迭代循环开始；(2.2) 时间更新，估计一步预测目标状态及其协方差阵，其中，表示用时刻的目标信息估计第时刻的目标信息；(2.3) 量测更新，具体包括：(2.3.1) 计算测量值的预测估计值；(2.3.2) 计算状态和测量值的互协方差矩阵；(2.3.3) 采用变分贝叶斯方法迭代计算测量噪声方差阵，均方根新息协方差阵，增益阵、最优估计及其误差协方差，迭代过程如下：(I) 设置循环控制变量t的初值，令t=1，根据迭代次数N的值，迭代循环开始；(II) 计算测量噪声方差阵，其中上标t表示第t次迭代时的值；(III) 计算均方根新息协方差阵和增益阵；(IV) 计算第t次迭代的最优估计及其误差协方差；(V) 如果，令t=t+1，然后返回（II），否则执行（VI）；(VI) 结束VB迭代过程，求得滑动窗口内第次VB‑UKF滤波估计结果：，，；(2.4) 如果，令，然后返回步骤2，否则结束滑动窗口内VB‑UKF计算，执行步骤3；步骤3利用模糊逻辑方法动态调整，具体过程包括：(3.1) 计算当前时刻的残差方差阵的真实值，估计值以及匹配程度指标；(3.2) 以为模糊推理系统（FIS）的输入参数，计算测量噪声方差阵的调整量，并以此对VB方法估计的测量噪声方差进行调整，获得当前时刻测量噪声方差；步骤4 代回调整后的测量噪声方差，在当前时刻执行一次UKF算法，获得目标状态的估计及其误差协方差。