[发明专利]基于特征函数的序惯式多传感器融合滤波方法

权利要求书

1.基于特征函数的序惯式多传感器融合滤波方法，应用于空间目标跟踪系统，包括步骤如下：

(1)设计状态空间目标跟踪模型，目标在空间中做匀速直线运动的模型如下：

其中，x(k)为系统状态向量，y_i(k)为第i组传感器的输出向量；w(k)和v_i(k+1)分别是特征函数已知的过程噪声和测量噪声向量，其分布为F_w(x)、F_v(x)；A(k+1,k)是已知的状态转移矩阵，G(k+1,k)为已知的过程驱动矩阵，h_i(·)是连续光滑的非线性函数，设置j组传感器来进行测量；

(2)在CFF框架下，计算出在k+1时刻，第i个到达融合中心的传感器j的状态估计值

(2a)根据目标跟踪模型，计算k到k+1时刻目标状态的预测值

(2b)根据(2a)，计算k到k+1时刻，第i个到达融合中心的传感器j的测量预测值

(2c)根据测量方程和(2b)计算残差信息

(2d)根据运动学公式，计算状态转移矩阵A(k+1,k)；

(2e)计算初始状态估计值

(2f)根据状态方程和(2e)计算状态误差方程

(2g)根据(2f)计算状态误差递推方程

(2h)对(2g)方程两边同时求取特征函数；

(2i)建立已知的目标特征函数

(2j)建立滤波器的权重函数矩阵U(t)；

(2k)根据(2h)、(2i)、(2j)建立滤波器参数指标J₀(k+1)；

(2l)根据(2k)建立滤波器性能指标函数

(2m)简化(2l)中的参数；

(2n)根据(2l)、(2m)得到简化后的滤波器性能指标

(2o)建立待估计的滤波增益矩阵

(2p)根据(2n)对求一阶偏导；

(2q)根据(2n)对求二阶偏导；

(2r)根据(2o)、(2p)、(2q)求出滤波增益矩阵

(2s)根据(2a)、(2c)、(2r)计算状态估计值

(3)在CFF框架下，得到第一个到达融合中心的传感器的状态估计值将其作为初始遍历条件，通过不断将前一个到达融合中心的传感器的状态估计值，作为下一个到达融合中心的传感器的状态预测值，对不断更新，得到最优状态估计值

(3a)得到第一个到达融合中心的传感器的状态预测值

(3b)根据(2n),利用不动点算法，求解第一个到达融合中心的传感器的滤波增益矩阵

(3c)计算第一个到达融合中心的传感器的状态估计值

(3d)根据(3c)，将第一个到达融合中心的传感器的状态估计值当作第二个到达融合中心的传感器的状态预测值

(3e)根据(3a)、(3b)、(3c)可得到第二个到达融合中心的传感器的状态估计值

(3f)在考虑丢包和延时情况下，设置将信息传输到融合中心的传感器数量L；

(3g)重复(3a)-(3e)步骤，直到L(L≤N)组传感器全部到达融合中心，结束迭代；此时得到的估计值就是序惯式多传感器融合滤波的最优估计值。