CN103294897A - 一种用于船舶动力定位位置参考系统的自适应滤波方法 - Google Patents
一种用于船舶动力定位位置参考系统的自适应滤波方法 Download PDFInfo
- Publication number
- CN103294897A CN103294897A CN201310169184XA CN201310169184A CN103294897A CN 103294897 A CN103294897 A CN 103294897A CN 201310169184X A CN201310169184X A CN 201310169184XA CN 201310169184 A CN201310169184 A CN 201310169184A CN 103294897 A CN103294897 A CN 103294897A
- Authority
- CN
- China
- Prior art keywords
- srckf
- filtering algorithm
- self
- adaptation
- filtering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Filters That Use Time-Delay Elements (AREA)
Abstract
本发明涉及一种用于船舶动力定位位置参考系统的自适应滤波方法,当测量系统正常时,子系统运行SRCKF滤波算法,当系统出现测量噪声变化时,子系统运行自适应SRCKF滤波算法,所说的自适应SRCKF滤波算法为:引入自适应系数hk+1,更新SRCKF滤波算法的新息协方差平方根系数式和状态估计的误差协方差平方根系数式。
Description
技术领域
本发明涉及一种用于船舶动力定位位置参考系统的自适应滤波方法。
背景技术
现有技术中,船舶动力定位位置参考系统常采用SRCKF滤波(平方根容积卡尔曼滤波)算法,由于算法本身不具有对测量条件变化的自适应性,噪声统计特性的不确定性会影响滤波性能甚至导致滤波故障。
自适应滤波是一种具有抑制滤波发散作用的滤波方法,它在滤波计算中,一方面利用测量信息不断修正预测值,同时也对未知的或不确切的噪声统计等信息进行估计或修正,从而达到优化滤波效果的目的。自适应滤波方法主要有结构性自适应滤波和参数自适应滤波两类。其中,参数自适应滤波主要有基于新息的自适应滤波和衰减记忆滤波。基于新息的自适应滤波是根据新息序列的实际值与其理论值的差异,直接自适应地调节过程噪声或测量噪声协方差阵,一种常用方法是利用模糊逻辑技术,基于新息序列的变化确定噪声协方差阵的调节系数,但该方法过分依赖于经验和推理。衰减记忆滤波是利用相关技术,加大当前测量数据的权值,减小旧测量数据的影响,从而衰减对旧数据的记忆,克服模型误差引起的滤波发散,其中强跟踪滤波器是一种比较典型的衰减记忆自适应滤波算法,但对噪声不确定性的鲁棒性较差。
发明内容
本发明目的在于提供一种用于船舶动力定位位置参考系统的自适应滤波方法,能够解决噪声统计特性的不准确性造成的系统滤波性能下降问题,有效提高船舶动力定位位置参考系统的滤波性能。
实现本发明目的技术方案:
一种用于船舶动力定位位置参考系统的自适应滤波方法,当测量系统正常时,子系统运行SRCKF滤波算法,其特征在于:当系统出现测量噪声变化时,子系统运行自适应SRCKF滤波算法,所说的自适应SRCKF滤波算法为:
步骤一:引入自适应系数ηk+1,应用于测量噪声协方差阵Rk+1,使滤波重新满足新息协方差匹配,
其中为滤波新息序列,Pzz,k+1|k为新息协方差阵;
步骤二:利用步骤一中的自适应系数ηk+1,更新SRCKF滤波算法的新息协方差平方根系数式和状态估计的误差协方差平方根系数式,实现自适应SRCKF滤波算法。
SRCKF滤波算法与自适应SRCKF滤波算法的切换判定方法为:
自适应SRCKF滤波算法的步骤一中,自适应系数ηk+1的计算公式为:
自适应SRCKF滤波算法的步骤二中,新息协方差平方根系数式更新为:
状态估计的误差协方差平方根系数式更新为:
本发明具有的有益效果:
本发明基于当前性能优异的SRCKF滤波(平方根容积卡尔曼滤波)算法,利用新息协方差匹配原理建立了特有的自适应SRCKF滤波算法以克服测量噪声的时变性对滤波的影响,并将自适应SRCKF滤波算法与现有SRCKF滤波算法组成传感器子系统的混合SRCKF滤波,并建立自适应SRCKF滤波算法和现有SRCKF滤波算法之间的切换判定方法,根据测量数据质量选择最优的子系统滤波算法。本发明适用于测量噪声统计特性不准确的船舶动力定位系统,可有效解决噪声统计特性的不准确性造成的系统滤波性能下降甚至滤波发散的问题,有效提高系统的滤波性能,对测量噪声的不确定性具有很强的鲁棒性。
附图说明
图1为本发明自适应SRCKF滤波算法框图;
图2为传感器子系统滤波算法框图。
具体实施方式
结合图1、图2,对本发明船舶动力定位位置参考系统的自适应滤波方法进行详细说明。
带加性噪声的非线性离散系统:
xk+1=fk(xk)+wk
zk=hk(xk)+vk
测量系统正常时,子系统最优地运行现有的标准SRCKF滤波算法,此时滤波新息协方差的实际值与理论值相匹配,有:
当系统出现测量噪声变化时,新息协方差阵的理论值和实际值不满足式(1)的匹配关系,此时引入一个自适应系数ηk+1,应用于测量噪声协方差阵Rk+1,使滤波重新满足新息协方差匹配,即:
Pzz,k+1|k=Pz,k+1|k+ηk+1Rk+1 (2)
此时SRCKF滤波算法新息协方差平方根系数式更新为:
其中表示Rk+1的平方根系数,Zk+1|k为加权的中心矩阵。
SRCKF滤波算法状态估计的误差协方差平方根系数式更新为:
将上述式(3)和式(4)分别代替SRCKF滤波算法中的新息协方差平方根系数式和状态估计的误差协方差平方根系数式,实现自适应SRCKF滤波算法,从而实现了对测量噪声的调节,使滤波对系统的测量噪声时变性具有鲁棒性。
为了计算自适应系数ηk+1,由式(1)和式(2)可得:
当测量系统正常时,子系统运行现有的标准SRCKF滤波算法,当系统出现测量噪声变化时,子系统运行自适应SRCKF滤波算法,二者的切换判定方法如下:
为了建立切换规则,引入两元选择:
γ0:选择标准SRCKF
γ1:选择自适应SRCKF
测量数据质量检测可由下列统计函数实现:
统计函数βk服从自由度为ρ的χ2分布,即βk~χ2(ρ),ρ为新息向量的维数。
如果选择测量数据质量控制精度为σ,则:
因此,自适应SRCKF和标准SRCKF的切换判定方法为:
Claims (4)
4.根据权利要求3所述的用于船舶动力定位位置参考系统的自适应滤波方法,其特征在于:自适应SRCKF滤波算法的步骤二中,新息协方差平方根系数式更新为:
状态估计的误差协方差平方根系数式更新为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310169184XA CN103294897A (zh) | 2013-05-09 | 2013-05-09 | 一种用于船舶动力定位位置参考系统的自适应滤波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310169184XA CN103294897A (zh) | 2013-05-09 | 2013-05-09 | 一种用于船舶动力定位位置参考系统的自适应滤波方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103294897A true CN103294897A (zh) | 2013-09-11 |
Family
ID=49095749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310169184XA Pending CN103294897A (zh) | 2013-05-09 | 2013-05-09 | 一种用于船舶动力定位位置参考系统的自适应滤波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103294897A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104121907A (zh) * | 2014-07-30 | 2014-10-29 | 杭州电子科技大学 | 一种基于平方根容积卡尔曼滤波器的飞行器姿态估计方法 |
CN110706265A (zh) * | 2019-11-05 | 2020-01-17 | 中国人民解放军国防科技大学 | 一种改进srckf强跟踪滤波的机动目标跟踪方法 |
CN111444474A (zh) * | 2020-03-24 | 2020-07-24 | 宁波飞拓电器有限公司 | 一种基于乘性噪声相关自适应ckf的目标跟踪方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464152A (zh) * | 2009-01-09 | 2009-06-24 | 哈尔滨工程大学 | 一种sins/gps组合导航系统自适应滤波方法 |
-
2013
- 2013-05-09 CN CN201310169184XA patent/CN103294897A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464152A (zh) * | 2009-01-09 | 2009-06-24 | 哈尔滨工程大学 | 一种sins/gps组合导航系统自适应滤波方法 |
Non-Patent Citations (1)
Title |
---|
徐树生 等: "《基于鲁棒CKF的多传感器全信息融合算法》", 《电机与控制学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104121907A (zh) * | 2014-07-30 | 2014-10-29 | 杭州电子科技大学 | 一种基于平方根容积卡尔曼滤波器的飞行器姿态估计方法 |
CN104121907B (zh) * | 2014-07-30 | 2017-02-08 | 杭州电子科技大学 | 一种基于平方根容积卡尔曼滤波器的飞行器姿态估计方法 |
CN110706265A (zh) * | 2019-11-05 | 2020-01-17 | 中国人民解放军国防科技大学 | 一种改进srckf强跟踪滤波的机动目标跟踪方法 |
CN110706265B (zh) * | 2019-11-05 | 2022-02-01 | 中国人民解放军国防科技大学 | 一种改进srckf强跟踪滤波的机动目标跟踪方法 |
CN111444474A (zh) * | 2020-03-24 | 2020-07-24 | 宁波飞拓电器有限公司 | 一种基于乘性噪声相关自适应ckf的目标跟踪方法 |
CN111444474B (zh) * | 2020-03-24 | 2024-02-27 | 宁波飞拓电器有限公司 | 一种基于乘性噪声相关自适应ckf的目标跟踪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102721951B (zh) | 一种高机动目标跟踪方法 | |
CN103760556B (zh) | 基于集中式mimo雷达的多目标认知跟踪方法 | |
CN102998973B (zh) | 一种非线性系统的多模型自适应控制器及控制方法 | |
CN103294897A (zh) | 一种用于船舶动力定位位置参考系统的自适应滤波方法 | |
CN110300075A (zh) | 一种无线信道估计方法 | |
CN105307266A (zh) | 基于自适应空间格点的传感器网络压缩感知精确定位方法 | |
CN103983996A (zh) | 一种抗gps野值的紧组合自适应滤波方法 | |
CN101604990B (zh) | 频偏补偿方法和装置 | |
CN107064865A (zh) | 基于深度聚类的极坐标动态规划无源协同定位方法 | |
CN111525970B (zh) | 一种基于空间调制的大规模mimo系统性能分析方法 | |
US11640534B2 (en) | Threshold triggered back propagation of an artificial neural network | |
WO2017152876A1 (zh) | 用于无线通信的装置和方法、参数优化装置和方法 | |
CN104285478B (zh) | 一种功率控制方法、用户设备、计算机程序及其存储介质 | |
CN105425228A (zh) | 一种基于广义对角加载技术的自适应波束形成方法 | |
CN114726412A (zh) | 信道信息获取方法、装置及相关设备 | |
CN104754606A (zh) | 一种基于信道预测的中继选择方法和系统 | |
CN106973023A (zh) | 一种信号合成方法及系统 | |
CN113507130B (zh) | 基于dpmu的实时数据通信系统的电网状态估计方法及系统 | |
Xie et al. | Peak covariance stability of a random Riccati equation arising from Kalman filtering with observation losses | |
CN104502889A (zh) | 指纹定位中基于参考点最大距离的定位可信度计算方法 | |
CN105549003A (zh) | 一种汽车雷达目标跟踪方法 | |
CN111505576B (zh) | 一种针对tdoa定位的传感器选择方法 | |
CN1310186C (zh) | 一种神经网络均衡器的优化训练方法 | |
CN102075295B (zh) | 基于通讯功率约束的以状态估计为目标的信号编解码方法 | |
CN109962691A (zh) | 一种用于传感器网络的分布式自适应滤波器设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130911 |