CN105843079A - 一种多阶目标运动信息的估计方法 - Google Patents
一种多阶目标运动信息的估计方法 Download PDFInfo
- Publication number
- CN105843079A CN105843079A CN201610378103.0A CN201610378103A CN105843079A CN 105843079 A CN105843079 A CN 105843079A CN 201610378103 A CN201610378103 A CN 201610378103A CN 105843079 A CN105843079 A CN 105843079A
- Authority
- CN
- China
- Prior art keywords
- estimation
- controller
- control
- target travel
- travel information
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种多阶目标运动信息的估计方法,包括步骤(1)从控制角度出发,通过综合考虑滤波特性和各运动分量间关系,在控制器设计过程中把外回路主要由比例积分环节构成,且积分环节为多个;步骤(2)每个积分环节需设计为内环,形成内部负反馈,以此提升控制内部过程变量的估计精度,这样可通过反向微分单独获得每个控制过程变量;步骤(3)在设计控制器过程中,需保证控制器的时域稳定性,满足李雅普诺夫稳定性判据;步骤(4)从频域角度分析滤波器的特性,响应带宽,保证能有效滤波;步骤(5)将过程变量输出,作为目标运动信息的高阶估计。该方法依靠滤波降低了输入位置信号的噪声,且不基于目标的运动模型,与控制易于结合,计算简单,容易实现。
Description
技术领域
本发明属于目标跟踪与信息融合领域,具体的涉及一种多阶目标运动信息的估计方法,主要用于从控制角度对运动目标的多阶运动信息进行估计。
背景技术
光电、雷达等目标跟踪设备在对目标跟踪过程中,要实现目标的高精度跟踪,仅仅依靠能直接观测的目标位置信息远远不够,而需要利用观测位置对目标运动高阶信息,包括目标速度、加速度、加加速度等信息进行估计,以此获取对运动目标轨迹更精确地描述,从而实现高精度跟踪。
传统的目标运动信息融合主要有两种方法:一种是微分方法,采用直接对测量的位置信息进行微分,获取目标运动速度,再次微分得到加速度;另一种是基于目标运动模型的估计,主要利用卡尔曼滤波器进行预测滤波,通过状态方程获取运动高阶信息。但是,第一种方法中微分会放大噪声,获取到的速度、加速度信息信噪比大幅降低,大多数情况下该方法只能微分一次到速度,若再微分得到的加速度则淹没于噪声中,无法使用。第二种方法从信号处理角度进行分析,基于卡尔曼预测滤波方法能较为有效的获取目标运动信息,但是存在计算量大,且依靠先验,对初始参数敏感等缺点。
发明内容
针对微分估计方法的噪声大和模型估计方法的计算量大等问题,本方法从全新的控制角度分析数据融合滤波问题,其目的是提供一种多阶目标运动信息的估计方法。本方法利用控制过程中的积分单元,逐级嵌套构成一个高阶滤波控制器,控制过程中通过积分方式得到目标运动的速度、加速度,甚至更高阶的目标运动分量。
本发明采用的技术方案为:一种多阶目标运动信息的估计方法,该方法步骤如下:
步骤(1):从控制角度出发,通过综合考虑滤波特性和各运动分量间关系,其中位置、速度、加速度之间为逐级微分关系,反之则为积分环节,在控制器设计过程中外回路主要由比例积分环节构成,且积分环节为多个;
步骤(2):每个积分环节需设计为内环,形成内部负反馈,以此提升控制内部过程变量的估计精度,这样可通过反向微分单独获得每个控制过程变量;
步骤(3):在设计控制器过程中,需保证控制器的时域稳定性,满足李雅普诺夫稳定性判据;
步骤(4):从频域角度分析滤波器的特性,响应带宽,保证能有效滤波;
步骤(5):将过程变量输出,作为目标运动信息的高阶估计。
其中,步骤(1)中来源于控制中的思想,针对输入目标信息设计一个滤波器,该滤波器利用控制环节中的积分环节和比例反馈形成闭环单元,其中每个闭环单元的输出被称为过程状态变量,该过程状态变量通过积分单元反向与各运动分量进行一一对应,包括位置、速度和加速度。此种方法在设计时对于各滤波参数具有明确的指导,先从整体上设计滤波器,确定滤波阶数和滤波参数。
其中,步骤(2)中每个内回路的开环为一个积分环节,采用比例反馈的形式构成内闭环回路,内闭环回路可提升控制内部过程状态变量的估计精度。当滤波器的整体阶数和参数确定后,则需要对积分单元进行离散处理,然后针对各闭环回路单独一步一步进行计算,获取过程状态变量,而不是整体上的滤波处理再积分。
其中,步骤(3)中在设计过程中保证控制器的时域稳定,也可通过劳斯稳定性判据进行判定。
其中,步骤(4)中对滤波特性的要求,需保证滤波有效,在整体滤波器设计时利用其频率伯德图对其滤波特性进行选择,针对不同的噪声特性设计不同的滤波性能。
本发明的原理在于:
从控制角度看滤波问题则是设计一个控制器作为滤波器,例如常见的低通滤波器或高通滤波器,若在设计控制器过程中综合考虑滤波特性和各运动分量间关系(位置、速度、加速度之间为逐级微分关系,反之则为积分环节),则可在滤波器中以积分环节为基本单元设计,这在控制器设计过程中是比较容易实现的。从数据物理含义分析,滤波器输入为位置信息,则输出数据的物理含义依旧为位置信息,但是由于滤波器过程中存在积分环节,从输出的估计位置返回看控制器中间输出变量则依次为速度、加速度,或更高阶信息。该方法依靠滤波降低了输入位置信号的噪声,且不基于目标的运动模型,与控制易于结合,计算简单,容易实现。
本发明与现有技术相比具有如下优点:
(1)同微分估计方法相比,本发明该方法利用滤波过程降低了位置估计噪声,从而降低整个高阶估计的噪声,估计输出更接近真实值;
(2)相对基于运动模型的卡尔曼预测估计方法,本发明不基于目标的运动模型,降低了卡尔曼滤波中扩张状态观测器的估计误差,避开了依靠先验和对初始参数敏感,结合控制降低了计算量,提高了算法实时性;
(3)相对目前的状态估计方法来说,本发明降低了估计误差,实现简单,结合控制具有很好的结合性和扩展性。
附图说明
图1是本发明的多阶目标运动信息估计的控制器设计结构图。
图2是本发明的三阶目标运动信息估计的控制器设计结构图。
图3是本发明的一设计实例的伯德图。
图4是本发明的该设计实例的加速度估计与微分加速度的数据对比图。
具体实施方式
以下结合附图对本发明的具体实施方式做详细说明。
如图1所示是本发明的多阶目标运动信息估计的控制器设计结构图,这是该方法的通用控制框架,其控制器数学表达式如下:
其中,θ为位置输入,θe为滤波后的位置估计输出,n为估计阶数,kn为比例系数,图1中为控制过程的中间输出变量,也就是高阶估计输出。
下面以三阶目标运动信息估计为例进行详细说明:
步骤(1):如图2所示,从控制角度出发,在控制器设计过程中考虑外回路主要由比例积分环节构成,且积分环节为3个,实现对位置、速度、加速度、加加速度信息的估计,其控制输出表达式如下;
其中,θ为位置输入,θe为滤波后的位置估计输出,k1k2为内环负反馈比例系数,k3为外环比例系数,图2中为速度估计,为加速度估计,为加加速度估计。
步骤(2):每个积分环节需设计为内环,形成内部负反馈,以此提升控制内部过程变量的估计精度,这样可通过反向微分单独获得每个控制过程变量;
步骤(3):在设计控制器过程中,需保证控制器的时域稳定性,满足李雅普诺夫稳定性判据。
步骤(4):从频域角度分析滤波器的特性,响应带宽,保证能有效滤波。如图3所示为一滤波特性设计伯德图,其中:k1=126;k2=3021;k3=35530;其为一低通滤波器,可有效滤除高频部分噪声数据。
步骤(5):将过程变量输出,作为目标运动信息的高阶估计。如图4所示为步骤(4)所设计的滤波器所得的估计加速度和微分加速度进行的效果对比,可以明显看出估计的加速度的噪声相比微分加速度大大降低,能有效滤除高频噪声,效果较好。
Claims (5)
1.一种多阶目标运动信息的估计方法,其特征在于:该方法步骤如下:
步骤(1):从控制角度出发,通过综合考虑滤波特性和各运动分量间关系,其中位置、速度、加速度之间为逐级微分关系,反之则为积分环节,在控制器设计过程中外回路主要由比例积分环节构成,且积分环节为多个;
步骤(2):每个积分环节需设计为内环,形成内部负反馈,以此提升控制内部过程变量的估计精度,这样可通过反向微分单独获得每个控制过程变量;
步骤(3):在设计控制器过程中,需保证控制器的时域稳定性,满足李雅普诺夫稳定性判据;
步骤(4):从频域角度分析滤波器的特性,响应带宽,保证能有效滤波;
步骤(5):将过程变量输出,作为目标运动信息的高阶估计。
2.根据权利要求1所述的一种多阶目标运动信息的估计方法,其特征在于:步骤(1)中来源于控制中的思想,利用控制环节中的积分环节,与各运动分量进行一一对应,各运动分量包括位置、速度和加速度,在控制器设计中加入多个积分环节进行控制器设计。
3.根据权利要求1所述的一种多阶目标运动信息的估计方法,其特征在于:步骤(2)中每个积分环节形成内回路,加上比例反馈,以此提升控制内部过程变量的估计精度,这样可通过反向微分单独获得每个控制过程变量。
4.根据权利要求3所述的一种多阶目标运动信息的估计方法,其特征在于:步骤(3)中在设计过程中保证控制器的时域稳定。
5.根据权利要求1所述的一种多阶目标运动信息的估计方法,其特征在于:步骤(4)中对滤波特性的要求,需保证滤波有效。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610378103.0A CN105843079B (zh) | 2016-05-30 | 2016-05-30 | 一种多阶目标运动信息的估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610378103.0A CN105843079B (zh) | 2016-05-30 | 2016-05-30 | 一种多阶目标运动信息的估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105843079A true CN105843079A (zh) | 2016-08-10 |
CN105843079B CN105843079B (zh) | 2020-01-07 |
Family
ID=56595931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610378103.0A Active CN105843079B (zh) | 2016-05-30 | 2016-05-30 | 一种多阶目标运动信息的估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105843079B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1080409A (zh) * | 1992-06-16 | 1994-01-05 | 普拉塞尔技术有限公司 | 用于实时过程控制的两段方法 |
EP0710901A1 (en) * | 1994-11-01 | 1996-05-08 | The Foxboro Company | Multivariable nonlinear process controller |
JPH09146610A (ja) * | 1995-11-01 | 1997-06-06 | Foxboro Co:The | 多変数非線形プロセス・コントローラー |
CN102707629A (zh) * | 2012-05-31 | 2012-10-03 | 西北工业大学 | 基于飞行器切换模型的全维控制器区域设计方法 |
CN104539201A (zh) * | 2014-12-23 | 2015-04-22 | 西安电子工程研究所 | 一种通用无刷电机电流闭环控制系统及控制方法 |
CN204334391U (zh) * | 2014-12-23 | 2015-05-13 | 西安电子工程研究所 | 一种通用无刷电机电流闭环控制系统 |
-
2016
- 2016-05-30 CN CN201610378103.0A patent/CN105843079B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1080409A (zh) * | 1992-06-16 | 1994-01-05 | 普拉塞尔技术有限公司 | 用于实时过程控制的两段方法 |
EP0710901A1 (en) * | 1994-11-01 | 1996-05-08 | The Foxboro Company | Multivariable nonlinear process controller |
JPH09146610A (ja) * | 1995-11-01 | 1997-06-06 | Foxboro Co:The | 多変数非線形プロセス・コントローラー |
CN102707629A (zh) * | 2012-05-31 | 2012-10-03 | 西北工业大学 | 基于飞行器切换模型的全维控制器区域设计方法 |
CN104539201A (zh) * | 2014-12-23 | 2015-04-22 | 西安电子工程研究所 | 一种通用无刷电机电流闭环控制系统及控制方法 |
CN204334391U (zh) * | 2014-12-23 | 2015-05-13 | 西安电子工程研究所 | 一种通用无刷电机电流闭环控制系统 |
Non-Patent Citations (3)
Title |
---|
刘松主编: "《电机拖动自动控制系统》", 31 January 2014 * |
唐涛等: ""负载加速度反馈的伺服系统谐振抑制"", 《光电工程》 * |
郑申白著: "《板带连轧图形模块系统仿真》", 31 August 2015, 《冶金工业出版社》 * |
Also Published As
Publication number | Publication date |
---|---|
CN105843079B (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105549049B (zh) | 一种应用于gps导航的自适应卡尔曼滤波算法 | |
CN106407677B (zh) | 一种测量数据丢失情况下的多目标跟踪方法 | |
CN103217175B (zh) | 一种自适应容积卡尔曼滤波方法 | |
CN106772524B (zh) | 一种基于秩滤波的农业机器人组合导航信息融合方法 | |
CN103033186B (zh) | 一种用于水下滑翔器的高精度组合导航定位方法 | |
CN107084714B (zh) | 一种基于RoboCup3D的多机器人协作目标定位方法 | |
CN103729637B (zh) | 基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法 | |
CN105182984B (zh) | 飞行器俯仰姿态的线性自抗扰控制器设计与参数整定方法 | |
CN102568004A (zh) | 一种高机动目标跟踪算法 | |
CN107832575A (zh) | 基于伪测量的带反馈机动目标异步航迹融合算法 | |
CN104408744A (zh) | 一种用于目标跟踪的强跟踪容积卡尔曼滤波方法 | |
CN107290742B (zh) | 一种非线性目标跟踪系统中平方根容积卡尔曼滤波方法 | |
CN104330083A (zh) | 基于平方根无迹卡尔曼滤波的多机器人协同定位算法 | |
CN106647257A (zh) | 一种基于正交最小二乘的前馈控制方法 | |
CN104048676B (zh) | 基于改进粒子滤波的mems陀螺随机误差补偿方法 | |
CN108061887A (zh) | 一种基于模糊交互式多模型算法的临近空间目标跟踪方法 | |
Kai et al. | On state estimation of dynamic systems by applying scalar estimation algorithms | |
CN104833967A (zh) | 一种基于滚动时域估计的雷达目标跟踪方法 | |
CN104021285B (zh) | 一种具有最优运动模式切换参数的交互式多模型目标跟踪方法 | |
CN103888100B (zh) | 一种基于负熵的非高斯线性随机系统滤波方法 | |
CN107621632A (zh) | 用于nshv跟踪滤波的自适应滤波方法及系统 | |
Medewar et al. | A comparison between nonlinear estimation based algorithms for mobile robot localizations | |
Li et al. | A new adaptive unscented Kalman filter based on covariance matching technique | |
CN105843079A (zh) | 一种多阶目标运动信息的估计方法 | |
Frencl et al. | Tracking with range rate measurements: turn rate estimation and particle filtering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |