[发明专利]基于信息序列的自适应渐消扩展卡尔曼粒子滤波的多普勒频移估计方法

权利要求书

1.一种基于信息序列的自适应渐消扩展卡尔曼粒子滤波的多普勒频移估计方法，其特 征在于具有如下步骤：

—天线接收机接收到的信号参数；采用矢量表法定义采样信号；

—将采样信号的载波相位作为粒子滤波方程的状态变量，进行动态展开后，得到系统 的状态转移矩阵和噪声干扰矢量的协方差矩阵；使用带有渐消因子的自适应渐消卡尔曼对 状态向量的估计得到最优滤波估计；

—通过AFEKF产生重要性密度函数，通过高斯近似不断更新后验证分布实现递推估计， 完成AFEKPF(adaptivefadingextendedkalmanparticlefilter)粒子滤波。

2.根据权利要求1所述的基于信息序列的自适应渐消扩展卡尔曼粒子滤波的多普勒频 移估计方法，其特征还在于基于矢量表示法，采样信号被定义为：

其中，n(k)^T＝[n_I(k)n_Q(k)]零均值高斯矢量，下表I、Q是指同相和正交成分，且噪声的 均方误差σ²＝N₀/2T_s，T_s为采样周期，它等于载波跟踪环路的更新间隔；A为接收信号的幅 值，θ是采样周期为T_s的信号载波相位；相应的接收机的输入信噪比为

3.根据权利要求2所述的基于信息序列的自适应渐消扩展卡尔曼例子滤波的多普勒频 移估计方法，其特征还在于：对状态向量的估计过程如下：

状态方程的预测一步计算：

预测方程的预测一步计算：

最优扩展卡尔曼增益的计算：

预测方程的一步更新：

最优滤波估计的计算：

其中，R＝σ²I。为h(x_k)的线性化的因子。

4.根据权利要求3所述的基于信息序列的自适应渐消扩展卡尔曼例子滤波的多普勒频 移估计方法，其特征还在于：渐消因子为公式(14)中的尺度因子

滤波过程中判断滤波发散的判据为：

式中：γ为储备系数(γ＞1)，由量测值得到；当γ＝1时满足最严格的收敛判 据，即估计的真实信息协方差阵为

采用开窗估计法确定类似于Sage滤波

为了满足自适应渐消扩展卡尔曼对高速飞行器通信系统的多普勒频移估计，对式(26) 进行修改得：

其中，v₀为k＝0时的预测信息向量；

经过修改后式(27)未对历史信息取平均，而直接采用当前时刻的估计信息，比式(26) 更能敏感的反映当前时刻系统模型误差。则渐消因子能够估算为：

5.根据权利要求4所述的基于信息序列的自适应渐消扩展卡尔曼例子滤波的多普勒频 移估计方法，其特征还在于：

使用AFEKF算法在每一时刻按照如下方式对后验密度进行近似：

式中，为k时刻的状态估计值；P为k时刻的估计方差。在粒子滤波算法中，可以用 AFEKF对每个粒子进行更新，将最后得到的近似后验密度作为重要性密度函数，即

然后从重要性密度中产生新的粒子，进行权值更新后对粒子集重采样；有效重采样能 有效抑制粒子退化现象；

若则进行重采样，将原来的带权样本映射为等权样 本从而完成AFEKPF滤波过程。