非理想情况下非线性系统的滤波及信息融合算法

发布时间：2020-09-18 09:18

　　随着贝叶斯定理的提出,高斯滤波(GF)成为现代滤波领域里具有代表性的重要技术之一,在航天、通信、交通及化工等工程领域应用广泛,尤其是在导航领域,已成为当前的研究热点。由于系统存在建模误差和观测误差,需要设计高精度、高性能的滤波算法,对原始含噪声的信号进行处理,输出所需的信号。GF算法的正常运行需要满足多个假设条件,在实际工程中,非理想情况的存在会导致GF器无法正常工作。另外,为了弥补单个传感器自身缺陷,保证工程系统持续稳定的正常工作,通常采用多传感器协同工作的方式。高效、高精度、高稳定性的信息融合算法是多传感器协同工作的核心部分。为保证工程系统的正常运行,需要设计具有精度高、稳定性强的滤波算法,及高效、高稳定性、高精度的信息融合算法。由于工程环境的特殊性和复杂性,有些工程系统在工作中经常会存在随机观测时滞、模型含有乘性噪声、噪声非高斯等问题。为解决这些问题,本文提出几种改进滤波算法,从而获得有效的状态估计值。另外,为提高多传感器组合测量系统的稳定性和精确性,本文还设计了几种多传感器信息融合算法对状态估计值进行进一步融合处理。首先,针对系统中含有乘性噪声的问题,将乘性噪声统计特性与GF框架相结合,设计改进GF算法。算法考虑了乘性噪声满足高斯分布的假设,在预测和更新过程中考虑乘性噪声的条件均值方差,根据贝叶斯估计理论,改进GF框架。另外,针对系统同时存在的量测时滞、噪声相关和容积点中心偏移的问题,在改进GF框架的基础上,结合状态扩维、容积点改进等方法,使改进GF算法可以在不同的非理想条件下具有较高的估计精度。然后,针对系统噪声为重尾噪声的问题,通过将GF框架与鲁棒代价函数结合,设计鲁棒GF算法。算法通过最大熵准则、M估计准则等设计对重尾噪声具有鲁棒性的代价函数,代入GF框架中,或者以粒子框架、Student’s t滤波框架代替GF框架,从而使改进GF算法对重尾噪声具有鲁棒性。同时,利用基于M估计的鲁棒滤波逼近重要密度函数,降低粒子贫化现象,利用观测差分法去除噪声的时间相关性,通过状态扩维的方法解决因观测时滞导致的噪声条件均值不为零的问题,提高所设计鲁棒滤波算法的适用范围。接着,针对GF算法估计结果的一致性实时监测问题,设计一种新型的监测算法。首先,研究了GF框架下的滤波算法在非理想条件影响下,由于无法满足高斯近似假设,或者由于建模误差,导致估计值不一致的问题。然后,基于统计假设检测法,以后验估计值和先验估计值的差值为被检测的统计量,给出了一种新的一致性监测算法。该算法既避免了对状态真值的依赖,满足了实时监测要求,又是直接对后验估计值进行监测。且自动执行监测,避免了运行期间用户交互的繁琐操作,简化结构,提高计算效率。最后,将监测算法嵌入到容积四元数滤波中,测试算法在实际应用中的性能,从而确保所设计算法的有效性。最后,针对组合导航系统在非理想情况下的信息融合问题,将之前的研究成果与信息融合算法结合,设计改进信息融合算法。首先,针对乘性噪声及观测噪声相关的问题,以改进GF算法为基础,结合观测矩阵扩展法,设计了改进集中式融合算法。其次,针对系统噪声为Student’s t分布的问题,以改进Student’s t滤波框架为基础,结合拉格朗日乘子法计算融合权重,给出基于Student’s t的分布式融合算法。最后,针对多传感器采样率不同,及系统噪声和观测噪声相关的问题,通过多尺度系统理论统一采样率,结合一阶斯特林插值法将非线性函数线性化,解决系统噪声相关的问题,提出改进协方差交叉融合算法,并通过所提出一致性监测算法对估计结果进行监测。
【学位单位】：哈尔滨工业大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：TN713;TP212
【部分图文】：

结构图,融合算法,集中式,结构图

第 1 章绪论式融合结构合结构是将各个传感器观测到的原始数据直接输入到中合法则进行融合。集中式融合的结构图具体如图 1-1 所优势是可以实时进行融合，且所有信息直接融合，可以小方差意义下的最优估计，因此估计精度高。但是，缺算能力要求高，不适用于低功耗处理器，另外，如果任问题都会导致融合失败，因此，集中式融合算法的稳定陷，集中式融合算法在实际导航系统中实现难度大。

分布式融合,算法结构

哈尔滨工业大学工学博士学位论文精度低于集中式融合算法。布式融合算法由于其可靠性高、计算速度快的优势，目前得到广泛应62]等人研究了多传感器观测单目标的跟踪问题，为了对多传感器为补和重叠的观测信息进行融合，设计了基于信息图的分布式融合算等人研究了一类具有噪声自相关或互相关，且系统模型存在乘性噪器系统，首先针对每个子系统设计了最优鲁棒卡尔曼型递归滤波器基础上，设计了分布式加权鲁棒卡尔曼滤波融合算法。该算法与集滤波相比具有更强的容错能力。Li[64]等人研究了具有时延和丢包的统分布式融合估计问题，利用多组 Bernoulli 分布随机变量描述了不包的现象，然后利用线性最小方差意义下的矩阵加权融合估计算法式融合滤波算法。以上分布式融合算法均采用线性加权的形式进行融式融合算法中还有一种特殊的方法，叫做协方差交叉(CI)融合算法[对各局部估计结果相关的问题具有鲁棒性，因此，得到了学者们的文献[66-68]均是基于 CI 融合算法的改进算法。

结构图,融合算法,混合式,结构图

Bhatt等人研究了惯性导航系统(INS)和 GPS 组成的组合导航系统，利统的融合方式进行信息融合，但这些融合方法在传感器误差模型、抗噪声和计算负载等方面都存在一些不足，因此设计了一种基于支持向量机(SVM新的混合融合方法，从而提高了定位精度。Lin[70]考虑到如果测量不可靠传统的平方根立方体卡尔曼滤波(SRCKF)可能会给出不准确的结果或发散题，利用多传感器系统代替单传感器系统，根据开关准则，提出了一种基波残差的子系统软故障检测算法并通过系统重构，将故障子系统隔离开来为了提高多传感器系统的性能，提出了一种基于自适应 SRCKF 的混合融法。2.4 自主导航空间在轨服务是近些年各航天大国研究的热点航天项目，主要包括辅助、碎片清理、在轨卫星燃料加注与延寿、在轨维修装配等几个方面。在轨可以有效的提高在轨卫星的寿命，保证卫星的运行安全。在轨服务是建立会对接技术或抓捕技术的基础上，无论交会对接技术还是抓捕技术，都需主导航技术提供精确的目标状态信息。因此，精确的自主导航技术是在轨

【参考文献】