| 主权项 |
1.一种通用稳健滤波方法,具体步骤为:(a)从一量测输入接口输入量测数据到一模糊逻辑验证模块;(b)在该模糊逻辑验证模块中提供一期望量测;(c)在该模湖逻辑验证模块中用一模糊逻辑推算方法,通过与该期望量测的比较,验证该输入量测数据,并输出一经批准的量测数据,一校正后的量测数据,及一拒收量测数据的标志到一状态估计模块;及(d)在该状态估计模块中,基于从该模糊逻辑验证模块输出的该批准的量测数据和校正后的量测数据生成一系统状态的估计者。2.如申请专利范围第1项所述之「通用稳健滤波方法」,其中在步骤(c)中,当该期望量测与该量测输入之间的差别在一预先设置的接受界限之内时,通过批准从该模糊逻辑验证模块送来的该输入量测数据,输出该批准的量测到该状态估计模块,此时该输入量测被判定为有用并得以接受者。3.如申请专利范围第2项所述之「通用稳健滤波方法」,其中在步骤(c)中,当该期望量测与该量测输入的该差别大于一预先设置的拒收界限时,通过拒收该模糊逻辑验证模块送来的该输入量测数据,输出该拒收量测数据的标志到该状态估计模块,此时该输入量测被判定为无用并拒收之者。4.如申请专利范围第3项所述之「通用稳健滤波方法」,其中在步骤(c)中,当该期望量测与该量测输入的该差别在该接受界限与该拒收界限之间时,通过校正该模糊逻辑验证模块送来的该输入量测数据,输出该校正后的量测到该状态估计模块,此时该输入量测被判定为有用并产生校正量测数据者。5.如申请专利范围第4项所述之「通用稳健滤波方法」,其中的步骤(d)进一步由以下步骤组成:(i)第一种情况,从该模糊逻辑验证模块传递过来的该批准的量测中提取系统状态的估计;(ii)第二种情况,从该模糊逻辑验证模块传送过来的该校正后的量测中提取系统状态的估计;及(iii)第三种情况,在从该模糊逻辑验证模块收到该拒收量测数据的标志时摈弃该量测数据,预测系统状态的估计者。6.如申请专利范围第5项所述之「通用稳健滤波方法」,其中在步骤(d)后进一步包含一步骤(e),通过一状态估计输出接口输出得到的第一种,第二种,及第三种情况下的该系统状态估计者。7.如申请专利范围第1项所述之「通用稳健滤波方法」,其中的步骤(c)进一步由以下步骤组成:(c1)在一模糊化模块中,从该量测输入接口接收该量测数据,通过把量测的该预先设置的接受界限与该预先设置的拒收界限转化为一对应的量化域,对该量测数据进行规化映射,对该数据进行模糊化,将该量测数据转化为适当的名为模糊集的语言値,解释该纯量的量测数据为隶属度函数的模糊集,及输出该模糊集到一模糊接口引擎者。8.如申请专利范围第7项所述之「通用稳健滤波方法」,其中在步骤(c1)后进一步包含如下步骤:(c2)在一模糊接口引擎中,从该模糊化模块接收该模糊集。利用模糊推理和由一模糊规则库提供的该模糊逻辑推演规则,模拟人类决策推算出模糊输出。传送求得的该模糊输出到一逆模糊化模块者。9.如申请专利范围第8项所述之「通用稳健滤波方法」,其中在步骤(c2)后进一步包含如下步骤:(c3)由该模糊规则库提供该模糊接口引擎所需的该模糊逻辑扮演规则,该模糊规则库以一组语言规则的方式刻划所追求的目标以及专家知识,及该模糊逻辑验证的性能主要取决于该模糊规则库者。10.如申请专利范围第9项所述之「通用稳健滤波方法」,其中在步骤(c3)后进一步包含如下步骤:(c4)在该逆模糊化模块中,从该模糊接口引擎接收该模糊输出,分别地,批准该量测数据并将之原封不动地传递到该状态估计模块,产生一最好表示从该模糊接口引擎得到的该模糊输出的概率分布的纯量的校正量测数据并输出该校正后的量测数据到该状态估计模块,及拒收该量测数据并输出该拒收量测数据的标志到该状态估计模块者。11.如申请专利范围第6项所述之「通用稳健滤波方法」,其中的步骤(c)进一步由以下步骤组成:(c1)在一模糊化模块中,从该量测输入接口接收该量测数据,通过把量测的该预先设置的接受界限与该预先设置的拒收界限转化为一对应的量化域,对该量测数据进行规化映射,对该数据进行模糊化,将该量测数据转化为适当的名为模糊集的语言値,解释该纯量的量测数据为隶属度函数的模糊集,及输出该模糊集到一模糊接口引擎者。12.如申请专利范围第11项所述之「通用稳健滤波方法」,其中在步骤(c1)后进一步包含如下步骤:(c2)在一模糊接口引擎中,从该模糊化模块接收该模糊集,利用模糊推理和由一模糊规则库提供的该模糊逻辑推演规则,模拟人类决策推算出模糊输出,传送求得的该模糊输出到一逆模糊化模块者。13.如申请专利范围第12项所述之「通用稳健滤波方法」,其中在步骤(c2)后进一步包含如下步骤:(c3)由该模糊规则库提供该模糊接口引擎所需的该模糊逻辑推演规则,该模糊规则库以一组语言规则的方式刻划所追求的目标以及专家知识,及该模糊逻辑验证的性能主要取决于该模糊规则库者。14.如申请专利范围第13项所述之「通用稳健滤波方法」,其中在步骤(c3)后进一步包含如下步骤:(c4)在该逆模糊化模块中,从该模糊接口引擎接收该模糊输出,分别地,批准该量测数据并将之原封不动地传递到该状态估计模块,产生一最好表示从该模糊接口引擎得到的该模糊输出的概率分布的纯量的校正量测数据并输出该校正后的量测数据到该状态估计模块,及拒收该量测数据并输出该拒收量测数据的标志到该状态估计模块者。15.如申请专利范围第14项所述之「通用稳健滤波方法」,其中步骤(d)中进一步包含如下步骤:(d1)在一模型选择中为一时间更新和一量测更新计算相关的模型信息,确切地说,该模型选择为该时间更新中的一系统模型计算提供该状态估计的一初始条件,为该时间更新中的一导数系统模型计算提供该误差方差阵的一初始条件,为该时间更新中的该系统模型计算提供一系统模型,为该时间更新中的该导数系统模型计算提供一导数系统模型,为该量测更新中的一量测模型计算提供一量测模型,以及为该量测更新中的一导数量测模型计算提供一导数量测模型者。16.如申请专利范围第15项所述之「通用稳健滤波方法」,其中在步骤(d1)后,进一步包含如下步骤:(d2)在该时间更新中,基于一系统模型,推算被系统估计在最近两个相邻有效量测时段之间的演变;及(d3)在该量测更新中,利用一最新量测数据校正该状态估计,该量测更新基于该量测模型及该量测数据,如果从该模糊逻辑验证模块接到对于该最新量测数据的该拒收量测数据的标志,就略过基于该最新量测数据的该量测更新并继续下一轮的该时间更新,在该最新量测数据被采用的情况下,利用该时间更新得到的结果作为初始条件者。17.如申请专利范围第16项所述之「通用稳健滤波方法」,其中步骤(d2)中进一步包含如下步骤:(d2-1)计算在该最近两个相邻有效量测之间的时段长度,以确定时间更新在无需量测更新的条件下要推演多久;(d2-2)从该模型选择接收该系统模型,并在该系统模型计算中计算该系统状态在一最新估计处的一时间导数;(d2-3)从该模型选择接收该导数系统模型,并在该导数系统模型计算中计算该系统状态的误差方差阵在该最新估计处的一时间导数;(d2-4)在一预测更新中利用该系统模型计算中算出的该系统状态估计的该时间导数,用一带自调整步长控制的Runge-Kutta积分算法,推算状态估计;及(d2-5)在一预测方差更新中利用该导数系统模型计算中算出的该误差方差阵的该时间导数,用一分解实现方法,推算该状态估计的该误方差阵者。18.如申请专利范围第16项所述之「通用稳健滤波方法」,其中步骤(d3)中进一步包含如下步骤:(d3-1)从该模型选择收到该量测模型,并在该量测模型计算中计算在一最新的系统状态估计处的一预测量测;(d3-2)从该模型选择收到该导数量测模型,并在该导数量测模型计算中计算在该最新的系统状态估计处的一量测Jacobi阵;(d3-3)在该估计方差更新中利用量测更新方程更新该误差方差阵;及(d3-4)在该估计更新中利用该量测更新方程更新该系统状态估计者。19.如申请专利范围第17项所述之「通用稳健滤波方法」,其中步骤(d3)中进一步包含如下步骤:(d3-1)从该模型选择收到该量测模型,并在该量测模型计算中计算在一最新的系统状态估计处的一预测量测;(d3-2)从该模型选择收到该导数量测模型,并在该导数量测模型计算中计算在该最新的系统状态估计处的一量测Jacobi阵;(d3-3)在该估计方差更新中利用量测更新方程更新该误差方差阵;及(d3-4)在该估计更新中利用该量测更新方程更新该系统状态估计者。20.如申请专利范围第18项所述之「通用稳健滤波方法」,其中在步骤(d3)后进一步包含如下步骤:(d4)计算用以提取一反向平滑估计的时间区间;(d5)通过执行步骤(d2)和步骤(d3)的一前向量测更新与一前向时间更新,计算该前向状态估计及其误差方差阵;(d6)在一反向时间更新中,基于该反向系统模型推算该反向估计在最近两个相邻的逆序量测的时段之间的演变,并定义该反向状态估计及其误差方差阵分别为在刚刚在该反向量测更新中处理完该最近的逆序量测后所得的値;(d7)在一反向量测更新中,基于该量测模型及该量测数据利用该逆序量测数据校正该反向状态估计,其中该反向时间更新得到的结果作为其初始条件,并定义一反向状态估计及其误差方差阵分别为刚刚在一最新逆序量测尚未在该反向量测更新中处理之前从该反向时间更新中得到的値;(d8)在一平滑估计方差更新中,利用该前向系统估计的该误差方差阵和该反向系统估计的该误差方差阵,计算该平滑系统估计的一误差方差阵;及(d9)在一平滑估计更新中,利用该前向系统估计和该反向系统估计,计算该平滑系统估计者。21.如申请专利范围第19项所述之「通用稳健滤波方法」,其中在步骤(d3)后进一步包含如下步骤:(d4)计算用以提取一反向平滑估计的时间区间;(d5)通过执行步骤(d2)和步骤(d3)的一前向量测更新与一前向时间更新,计算该前向状态估计及其误差方差阵;(d6)在一反向时间更新中,基于该反向系统模型推算该反向估计在最近两个相邻的逆序量测的时段之间的演变,并定义该反向状态估计及其误差方差阵分别为在刚刚在该反向量测更新中处理完该最近的逆序量测后所得的値;(d7)在一反向量测更新中,基于该量测模型及该量测数据利用该逆序量测数据校正该反向状态估计,其中该反向时间更新得到的结果作为其初始条件,并定义一反向状态估计及其误差方差阵分别为刚刚在一最新逆序量测尚未在该反向量测更新中处理之前从该反向时间更新中得到的値;(d8)在一平滑估计方差更新中,利用该前向系统估计的该误差方差阵和反向系统估计的该误差方差阵,计算该平滑系统估计的一误差方差阵;及(d9)在一平滑估计更新中,利用该前向系统估计和该反向系统估计,计算该平滑系统估计者。22.如申请专利范围第20项所述之「通用稳健滤波方法」,其中步骤(d6)中进一步包含如下步骤:(d6-1)计算最近两个相邻的逆序量测之间的时段长度,以确定反向时间更新在无需量测更新的条件下需推演多久;(d6-2)从该模型选择收到该系统模型和该导数系统模型,并在系统模型计算中计算在相应前向状态估计处的一系统函数和一Jacobi阵,及计算该反向系统状态的一时间导数;(d6-3)从该模型选择收到该导数系统模型,并在一导数系统模型计算中在该前向状态估计处计算该反向系统状态的该误差方差阵的一时间导数;(d6-4)在一反向预测更新中利用该系统模型计算中算出的该反向系统状态估计的该时间导数,用一带自调整步长控制的Runge-Kutta积分算法,推算该反向状态估计;及(d6-5)在一反向预测方差更新中利用该导数系统模型计算中算出的该误差方差阵的该时间导数,用一分解实现方法,推算该反向状态估计的该误差方差阵者。23.如申请专利范围第21项所述之「通用稳健滤波方法」,其中步骤(d6)中进一步包含如下步骤:(d6-1)计算最近两个相邻的逆序量测之间的时段长度,以确定反向时间更新在无需量测更新的条件下需推演多久;(d6-2)从该模型选择收到该系统模型和该导数系统模型,并在系统模型计算中计算在相应前向状态估计处的一系统函数和一Jacobi阵,及计算该反向系统状态的一时间导数;(d6-3)从该模型选择收到该导数系统模型,并在一导数系统模型计算中在该前向状态估计处计算该反向系统状态的该误差方差阵的一时间导数;(d6-4)在一反向预测更新中利用该系统模型计算中算出的该反向系统状态估计的该时间导数,用一带自调整步长控制的Runge-Kutta积分算法,推算该反向状态估计;及(d6-5)在一反向预测方差更新中利用该导数系统模型计算中算出的该误差方差阵的该时间导数,用一分解实现方法,推算该反向状态估计的该误差方差阵者。24.如申请专利范围第20项所述之「通用稳健滤波方法」,其中步骤(d7)中进一步包含如下步骤:(d7-1)从该模型选择收到该量测模型,并在一量测模型计算中计算在该前向状态估计处的一预测量测;(d7-2)从该模型选择收到该导数量测模型,并在一导数量测模型计算中计算在该前向状态估计处的一量测Jacobi阵;(d7-3)在一反向估计方差更新中利用该反向量测更新方程更新该反向状态估计的该误差方差阵;及(d7-4)在一反向估计更新中利用该反向量测更新方程更新该反向状态估计者。25.如申请专利范围第21项所述之「通用稳健滤波方法」,其中步骤(d7)中进一步包含如下步骤:(d7-1)从该模型选择收到该量测模型,并在一量测模型计算中计算在该前向状态估计处的一预测量测;(d7-2)从该模型选择收到该导数量测模型,并在一导数量测模型计算中计算在该前向状态估计处的一量测Jacobi阵;(d7-3)在一反向估计方差更新中利用该反向量测更新方程更新该反向状态估计的该误差方差阵;及(d7-4)在一反向估计更新中利用该反向量测更新方程更新该反向状态估计者。26.如申请专利范围第22项所述之「通用稳健滤波方法」,其中步骤(d7)中进一步包含如下步骤:(d7-1)从该模型选择收到该量测模型,并在一量测模型计算中计算在该前向状态估计处的一预测量测;(d7-2)从该模型选择收到该导数量测模型,并在一导数量测模型计算中计算在该前向状态估计处的一量测Jacobi阵;(d7-3)在一反向估计方差更新中利用该反向量测更新方程更新该反向状态估计的该误差方差阵;及(d7-4)在一反向估计更新中利用该反向量测更新方程更新该反向状态估计者。27.如申请专利范围第23项所述之「通用稳健滤波方法」,其中步骤(d7)中进一步包含如下步骤:(d7-1)从该模型选择收到该量测模型,并在一量测模型计算中计算在该前向状态估计处的一预测量测;(d7-2)从该模型选择收到该导数量测模型,并在一导数量测模型计算中计算在该前向状态估计处的一量测Jacobi阵;(d7-3)在一反向估计方差更新中利用该反向量测更新方程更新该反向状态估计的该误差方差阵;及(d7-4)在一反向估计更新中利用该反向量测更新方程更新该反向状态估计者。28.如申请专利范围第11项至第27项其中任一项所述之「通用稳健滤波方法」,其中在步骤(a)前进一步包含如下步骤:选择系统状态元素为可能物料的含量的均方根,以保证含量的非负性;通过将二维的空间索引转换为一维索引,并假设两相邻象素含量的均方根之间的关系可用一Gauss-Markov过程描述,建立一系统动态模型;及假设一象素的频谱可刻划为该象素内组成物料的频谱特性的线性组合,建立一量测模型者。图式简单说明:第一图:系说明本发明之一通用稳健滤波方法。第二图:系本发明的通用稳健滤波方法的一方块图,说明其中量测数据的验证方法。第三图:系说明本发明的通用稳健滤波方法的模糊逻辑推算方法的方块图。第四图:系说明本发明的通用稳健滤波方法的状态估计模块的第一种实现方法,前向滤波的方块图。第五图:系说明本发明的通用稳健滤波方法的状态估计模块的第二种实现方法,反向平滑,的功能方块图。第六图:系示意说明本发明的通用稳健滤波方法在时间更新中确定时间步长的步骤。 |
