-
公开(公告)号：CN112765921A
公开(公告)日：2021-05-07
申请号：CN202011537812.1
申请日：2020-12-23
Applicant: 杭州电子科技大学
IPC: G06F30/367
Abstract: 本发明公开了一种强非线性动态系统的高阶扩展卡尔曼滤波器设计方法。首先，基于多维高阶多项式建模强非线性动态系统的状态模型和测量模型；其次，将状态模型中的高阶多项式定义为系统的隐性变量，并将状态模型等价改写成基于原始变量和隐变量相结合的伪线性模型；再次，视高阶隐变量为系统的各阶加性参数，再通过对他们之前进行随机动态建模，建立起由状态与参数相结合的扩维线性状态模型；然后，再对测量模型进行相应处理，将原始系统建模为基于状态与参数相结合的扩维线性测量模型；最后，基于扩维的线性系统，设计出针对原始状态估计的新型高阶扩展卡尔曼滤波器。本发明通过数字仿真验证了新滤波器的有效性。
-
Patent Agency Ranking
公开(公告)号：CN112764345A
公开(公告)日：2021-05-07
申请号：CN202011513880.4
申请日：2020-12-21
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于目标状态跟踪的强非线性系统卡尔曼滤波器设计方法。本发明将目标状态和测量方程中的基本函数定义为隐变量，从而将原始目标状态模型和测量模型改写成伪线性形式；然后，将隐变量视为系统的参数变量，建立各隐变量与其他隐变量及目标状态变量之间的动态线性模型；进一步将测量模型改写成当前时刻目标状态估计值和各参数变量值之间的一阶线性乘积形式；最后，借助卡尔曼滤波器组逐步求解参数变量，设计出一个逐步线性化的高阶扩展卡尔曼滤波器。通过三个目标状态追踪案例对比的仿真测试，验证了本发明的有效性。
-
公开(公告)号：CN112764345B
公开(公告)日：2022-08-02
申请号：CN202011513880.4
申请日：2020-12-21
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于目标状态跟踪的强非线性系统卡尔曼滤波器设计方法。本发明将目标状态和测量方程中的基本函数定义为隐变量，从而将原始目标状态模型和测量模型改写成伪线性形式；然后，将隐变量视为系统的参数变量，建立各隐变量与其他隐变量及目标状态变量之间的动态线性模型；进一步将测量模型改写成当前时刻目标状态估计值和各参数变量值之间的一阶线性乘积形式；最后，借助卡尔曼滤波器组逐步求解参数变量，设计出一个逐步线性化的高阶扩展卡尔曼滤波器。通过三个目标状态追踪案例对比的仿真测试，验证了本发明的有效性。
-
公开(公告)号：CN113032988B
公开(公告)日：2024-04-12
申请号：CN202110290122.9
申请日：2021-03-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于最大相关熵的高阶扩展卡尔曼滤波器设计方法。本发明给定两个一维随机变量，得到有限数据驱动下随机变量对的相关熵；然后给定无人机运动的状态模型和测量模型；通过将状态模型中的高阶多项式定义为系统的隐性变量，将系统的状态模型伪线性化表示，并同理将测量模型伪线性化表示，得到它们的线性形式；对线性形式的状态模型和测量模型，利用递归滤波器设计思想得到高阶扩展卡尔曼滤波器；利用多维独立向量的相关熵形式和得到的高阶扩展卡尔曼滤波器，设计得到基于最大相关熵的高阶扩展卡尔曼滤波器。本发明可以解决在非线性非高斯系统情况下，滤波性能下降和发散的问题，可以将其应用到实时估计和目标跟踪领域中去。
-
公开(公告)号：CN113032988A
公开(公告)日：2021-06-25
申请号：CN202110290122.9
申请日：2021-03-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于最大相关熵的高阶扩展卡尔曼滤波器设计方法。本发明给定两个一维随机变量，得到有限数据驱动下随机变量对的相关熵；然后给定无人机运动的状态模型和测量模型；通过将状态模型中的高阶多项式定义为系统的隐性变量，将系统的状态模型伪线性化表示，并同理将测量模型伪线性化表示，得到它们的线性形式；对线性形式的状态模型和测量模型，利用递归滤波器设计思想得到高阶扩展卡尔曼滤波器；利用多维独立向量的相关熵形式和得到的高阶扩展卡尔曼滤波器，设计得到基于最大相关熵的高阶扩展卡尔曼滤波器。本发明可以解决在非线性非高斯系统情况下，滤波性能下降和发散的问题，可以将其应用到实时估计和目标跟踪领域中去。
-
公开(公告)号：CN113630106A
公开(公告)日：2021-11-09
申请号：CN202110882497.4
申请日：2021-08-02
Applicant: 杭州电子科技大学
IPC: H03H17/02 , G06F30/367
Abstract: 本发明公开了一种基于强跟踪滤波的高阶扩展卡尔曼滤波器设计方法。本发明将状态模型中的高阶多项式定义为系统的隐变量，并将状态模型等价改写成基于原始变量和隐变量相结合的伪线性模型；视高阶隐变量为系统的各阶加性参数，再通过对它们之间进行随机动态建模，建立起由状态与参数相结合的扩维线性状态模型；对测量模型进行相应处理，建立基于状态与参数相结合的扩维线性测量模型；然后对扩维后的模型进行进一步的初始化，滤波器迭代，时间更新和测量更新，设计得到基于强跟踪滤波的高阶扩展卡尔曼滤波器。本发明在解决状态模型和观测模型为强非线性情况下的估计精度低，计算成本高，鲁棒性差等问题，可以应用到非线性动态系统的目标跟踪领域。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
