带有色噪声、观测时滞与丢包系统的鲁棒融合估计方法
本发明涉及信息工程技术与自动控制理论领域,具体涉及一种多传感器网络化系统状态估计方法,特别是一种应对带有色噪声和观测时滞与复杂丢包系统的鲁棒融合kalman 估计方法。
背景技术:
1、随着多传感器网络系统在智能控制、导航定位以及工业监测等领域的广泛应用,如何在复杂环境下实现高精度的状态估计问题逐渐成为研究热点。在实际系统中,传感器采集的信息通常需要通过网络进行传输,由于通信链路的不确定性以及能量限制,测量数据往往不可避免地存在观测时滞与数据丢失等现象。同时,实际系统中的噪声往往具有时间相关性,表现为有色噪声特性,而非理想的白噪声过程。
2、现有技术的不足与欠缺在于:当时滞使得当前时刻的观测信息不再与系统状态同步,并且有色噪声引入了时间相关性破坏了经典 kalman 滤波的独立同分布假设时,系统模型呈现出更为复杂的随机特性。针对单一不确定性的滤波器难以直接应用,更无法保证多传感器融合结果的稳定性与最优性。如何将有色噪声与一步观测时滞统一纳入系统建模框架,通过状态扩维构建多源协方差一致性处理体系,进而实现鲁棒性保障,成为一个具有重大工程价值与理论挑战的关键问题。
技术实现思路
1、本发明的目的在于提供一种带有色噪声和观测时滞与复杂丢包系统的鲁棒融合估计方法,综合考虑不同情况的有色噪声、乘性噪声、观测值随机时滞和数据包丢失,提高鲁棒加权稳态 kalman 估值器的可靠性与估计精度。
2、本发明提供了一种鲁棒融合估计方法,其详细解决方案与增益包括:系统架构环节全面涵盖了多重网络约束,并通过引入互不相关的伯努利白噪声序列对数据包接受状态、延迟状态进行了高精度的数学概率刻画。引入状态增广技术,通过矩阵增广,将带有色噪声、多步延迟项吸收到统一的无时滞扩维状态方程中。在此基础上,提取虚拟过程噪声与测量噪声,构建最坏情形系统的保守李雅普诺夫稳态方程。随后利用矩阵迹不等式和非负定矩阵分解技巧确立局部估计器的稳态上界限制。最后,运用协方差的矩阵加权最优准则,进行全局多传感器数据融合,显著缩小了融合误差追踪区域,保证了估计性能。
3、本发明解决上述技术问题的技术方案如下:一种带有色噪声、观测时滞与丢包系统的鲁棒融合估计方法,包括如下的步骤:
4、步骤1,架构带有色噪声、观测时滞与复杂丢包的多传感器网络化原始系统模型;
5、步骤2,基于步骤 1 原始系统模型,引入伯努利变量建模时滞与丢包,采用状态增广法转化为含乘性噪声的增广随机参数多模型系统;
6、步骤3,基于步骤 2 输出的增广多模型系统、增广噪声保守协方差,依据极大极小鲁棒估计原理,依次推导鲁棒局部稳态 kalman 预报器、滤波器、平滑器完整公式;
7、步骤4,基于步骤 3 得到的全部传感器局部鲁棒估值器,采用矩阵加权最优融合规则,构建鲁棒矩阵加权融合稳态 kalman 估值器,推导稳态误差协方差上界完成鲁棒性理论证明;
8、步骤5,基于步骤 4 得到的完整鲁棒融合 kalman 估值算法,搭建带有色噪声、随机时滞、复杂丢包的多传感器仿真系统,通过仿真实验验证算法正确性与有效性。
9、在一些可能实现的方式中,步骤1具体为:
10、步骤1.1,搭建系统五层方程,完整保留全部模型公式:
11、①状态方程:;
12、②传感器带时滞测量方程:;
13、③测量白噪声耦合方程:;
14、④有色噪声递推表达式:;
15、⑤有色噪声算子展开式:;
16、⑥时变系数扰动模型:;
17、⑦含双重丢包、延迟缓存的传感器接收输出方程:
18、;
19、其中,是离散时间,为系统的状态向量,是第个传感器的观测值,是经过网络传输后估计器接收到的测量值,是过程噪声,为定长时延,是观测噪声,是白噪声,,与为伯努利白噪声,是状态依赖乘性噪声,是具有适当维度的已知常数矩阵,是乘性噪声的数量,是传感器的数量,为有色噪声,为单位滞后算子;
20、步骤1.2,定义三类 0-1 伯努利随机变量刻画丢包、传输失效、时滞触发,给定先验概率:
21、,;
22、,;
23、,;
24、约束;设定,与相互独立且与其余噪声无关;
25、步骤1.3,设定初始状态与所有噪声独立,给定初始均值、不确定实际初始方差,其中,是的均值,是未知的不确定实际方差;给定保守上界矩阵和,并且满足:
26、;
27、其中,和是零均值且互不相关的白噪声,以及分别是白噪声和的不确定实际方差。
28、步骤1通过统一方程组整合乘性扰动、有色噪声、一步时滞、双层丢包四类网络干扰,用伯努利变量量化传输随机特性,区分噪声实际方差与保守上界构建完整数学模型,既能一次性适配导航、工业监测等复杂通信场景,解决传统单一扰动模型适用性差的问题,还能为后续滤波、融合提供统一计算基准,提前锁定扰动最坏边界,从源头避免估计发散,也可直观关联通信接收、延迟等工程可调参数。
29、在一些可能实现的方式中,步骤2具体为:
30、步骤2.1,变量替换简化缓存观测方程:定义,将改写为:
31、;
32、推导,和乘积约束与一阶、二阶期望;
33、步骤2.2,有色噪声状态扩维:建立有色噪声等价状态空间模型:
34、;
35、;
36、给出,,完整分块矩阵表达式;其中,是行列的矩阵,为行列的矩阵,为行列的矩阵;
37、步骤2.3,构造单传感器增广状态向量、增广噪声向量,定义分块矩阵,;搭建时变增广状态方程与观测方程:
38、;
39、;
40、步骤2.4,零均值扰动拆分:定义偏差噪声:
41、
42、交叉耦合扰动,推导各偏差噪声方差:
43、;
44、步骤2.5,时变矩阵均值分离:将拆分为均值定常矩阵与全部乘性噪声扰动项叠加形式,完整输出增广状态、观测方程的乘性噪声展开式,给出,,,,以及其它所有扰动分块矩阵的表达式;
45、步骤2.6,构造增广复合噪声,推导,完整表达式;分别计算增广噪声实际互协方差、保守互协方差:
46、;
47、给出,,求和公式;证明对所有容许不确定性满足;
48、步骤2.7,全局增广状态向量构造:,计算实际二阶非中心矩、保守二阶非中心矩,证明,通过二阶非中心矩量化系统不确定性扰动行为,引入增广噪声提升滤波鲁棒性。
49、步骤2基于步骤 1 原始模型化简丢包观测方程,将时滞、有色噪声扩充为增广状态,把复杂耦合系统等价转化为仅含乘性噪声的标准线性模型,同步计算实际与保守二阶矩、噪声协方差以划定误差上界,既消除经典卡尔曼无法处理时滞、有色噪声的理论缺陷,统一各类扰动简化后续推导,还能实现传感器独立并行运算,标准化增广框架也可拓展适配其他估计算法,从模型层面筑牢鲁棒基础。
50、在一些可能实现的方式中,步骤3具体为:
51、步骤3.1,鲁棒局部稳态 kalman 预报器递推公式:
52、①状态一步预报:;
53、②预报残差:;
54、③预报转移矩阵、预报增益、残差协方差定义:
55、;
56、其中,为局部预报保守稳态误差协方差;
57、步骤3.2,鲁棒局部时变kalman滤波器和平滑器统一表达式为:
58、;
59、;
60、。
61、步骤3依托步骤 2 增广系统与保守噪声参数,以最坏扰动为约束求解稳态预报、滤波、平滑全套递推增益,一套算法覆盖预测、实时监测、回溯分析三类时序需求;依靠保守上界约束估计误差不发散,各传感器独立运算具备单节点容错能力,稳态增益降低嵌入式实时算力消耗,残差修正机制可快速抵消网络与噪声带来的瞬时偏差。
62、在一些可能实现的方式中,步骤4具体为:
63、步骤4.1,多传感器融合估值器统一表达式:
64、;
65、权重归一约束:;
66、步骤4.2,最优矩阵加权权重计算公式为:;其中,为各局部估值器保守误差协方差构成的分块协方差矩阵,为全 1 列向量;
67、步骤4.3,三类加权方式性能对比:矩阵加权、对角线加权、标量加权;计算量:矩阵加权 > 对角线加权 > 标量加权;估计误差迹:标量加权 > 对角线加权 > 矩阵加权,证明矩阵加权全局最优;
68、步骤4.4,鲁棒性证明:
69、①对局部估值器:基于增广噪声保守协方差、李雅普诺夫稳态方程,证明局部实际误差协方差;
70、②对融合估值器:基于矩阵加权线性变换保序特性、非负定矩阵分解方法,推导融合实际误差协方差;
71、③统一框架下给出预报、滤波、平滑三类融合估值器对应的实际/保守误差协方差统一形式,完成全部鲁棒性定理证明。
72、步骤4以各路局部估值为输入,采用线性最小方差推导最优矩阵加权公式,搭建统一的全局融合预报/滤波/平滑架构,结合矩阵分解、李雅普诺夫方程证明融合误差存在保守上界,且融合估计精度优于任意单传感器;权重自动压低高故障传感器占比,继承全部局部鲁棒特性,模块化架构便于代码封装,彻底解决多源融合次优发散问题,实现全局最优估计。
73、在一些可能实现的方式中,步骤5具体为:
74、步骤5.1,搭建仿真数值系统:设定乘性噪声项、路传感器,给定离散状态矩阵、观测矩阵、噪声耦合矩阵、有色噪声算子系数, ;给定伯努利概率、全部噪声实际方差与保守上界方差;
75、步骤5.2,运行算法:同步执行步骤 3 局部鲁棒预报/滤波/平滑、步骤 4 矩阵加权融合算法,记录真实状态、各局部估计值、全局融合估计值、实时估计误差、保守误差协方差迹;
76、步骤5.3,多维度仿真结果可视化分析:
77、①真实状态与局部预报、滤波、一步平滑、两步平滑跟踪曲线对比,验证单传感器局部估值器跟踪拟合度;
78、②融合滤波实际误差曲线、实际误差边界、保守误差边界对比,验证误差始终约束于保守上界走廊,无漂移发散;
79、③融合预报器保守误差方差迹随数据包接收率、延迟概率变化三维曲面,验证接收率越高融合估计精度越高,算法适配通信质量变化。
80、步骤5基于完整算法搭建含有色噪声、时滞、丢包的多传感器仿真平台,遍历通信、噪声多组参数,输出跟踪曲线、误差边界、方差三维曲面,直观验证复杂干扰下跟踪精准、误差始终限定在保守边界内,三维曲面可量化指导通信部署策略,标准化仿真流程为硬件移植提供参考,完成理论到工程落地的验证闭环。
81、本发明的有益效果是:1. 动态适应复杂通信受限场景; 2. 在混合不确定干扰下具备优越的容错抗干扰追踪表现; 3. 保障了极高的全局最优化融合精度下限。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com