专利名称：一种对双观测系统量测噪声方差阵的自适应同步估计方法
技术领域：
本发明属于信号处理技术领域，具体涉及一种对双观测系统量测噪声方差阵的自适应同步估计方法，可同时有效自适应估计出不同测量系统的量测噪声方差阵。
背景技术：
卡尔曼滤波算法是一项广泛应用的信息融合技术，标准卡尔曼滤波滤波算法是建立在系统噪声方差阵已知情况下的最优估计，但在实际情况下，测量系统的测量噪声方差阵未知，如何有效估计出系统测量噪声方差阵对提高滤波精度具有重要意义。通常，若要获得系统测量噪声方差阵一般通过对测量系统进行长时间观测，根据 对系统输出信息的统计量获得量测噪声方差阵，然而这种基于验前信息获得噪声统计特性的方法无法解决时变噪声的问题。在自适应估计系统量测噪声的研究中，方法主要为基于信息序列的自适应估计方法(IAE),主要代表为sage-husa法,它可以自适应估计系统的状态噪声方差阵和量测噪声方差阵，然而此法的信息序列基于状态一步递推值和观测值，当状态估计值计算不准确时，会造成误差耦合，导致量测噪声阵的估计精度下降。本发明利用两种测量参考系统的不同测量特性，自适应调节窗口长度，对系统量测噪声进行有效估计。

发明内容
针对现有技术中存在的问题，本发明为解决对测量系统量测噪声方差阵进行有效估计的问题，提出了一种对双观测系统量测噪声方差阵的自适应同步估计方法。该方法通过计算双观测系统观测值的自差分序列以及互差分序列的方差，得到量测噪声方差阵，并且对同一时刻不同窗口长度下计算得到的噪声方差阵序列进行一次直线拟合，由拟合得到的直线斜率计算出最优窗口长度并得到最终的量测噪声方差阵。本发明提出一种对双观测系统量测噪声方差阵的自适应同步估计方法，包括以下几个步骤步骤一分别得到观测系统A、观测系统B在各时刻的数据信号Zl (i)、Z2(i)，其中i为观测系统的数据信号测量时刻；步骤二 分别计算观测系统A数据信号Zl (i)的自差分序列和观测系统B数据信号Z2(i)的自差分序列，并计算两个自差分序列的互差分序列，具体为(I)观测系统A数据信号Zl (i)的自差分序列A Zl⑴为A Zl (i) = Zl (i) -Zl (i-1)其中i-1和i分别表示观测系统A的数据采集时刻；(2)观测系统B数据信号Z2(i)的自差分序列AZ2(i)为AZ2(i) = Z2(i)-Z2(i-1)其中i-1和i分别表示观测系统B的数据采集时刻；(3)观测系统A和观测系统B的两个自差分序列的的互差分序列C(i)为C(i) = AZl(i)-AZ2(i)
步骤三分别计算观测系统A数据信号在不同窗口长度下自差分序列的方差，观测系统B数据信号在不同窗口长度下自差分序列的方差，以及两个观测系统在不同窗口长度下互差分序列的方差，并利用方差进行相关计算得到观测系统A、观测系统B不同窗口长度下的量测噪声方差阵Rl、R2，具体为(I)首先选取最大窗口长度MMax、最小窗口长度MMin和窗口长度间隔Mllis，且窗口长度间隔Mms为Mmm与Mmn之差的整数倍，若当前数据信号量测时刻k小于等于MMax，则直接采用窗口长度累积的方式计算观测系统A自差分序列的方差
权利要求
1.一种对双观测系统量测噪声方差阵的自适应同步估计方法，其特征在于包括以下几个步骤 步骤一分别得到观测系统A、观测系统B在各时刻的数据信号Zl(i)、Z2(i)，其中i为观测系统的数据信号测量时刻； 步骤二 分别计算观测系统A数据信号Zl (i)的自差分序列和观测系统B数据信号Z2(i)的自差分序列，并计算两个自差分序列的互差分序列，具体为 (1)观测系统A数据信号Zl(i)的自差分序列AZl(i)为
2.根据权利要求I所述的一种对双观测系统量测噪声方差阵的自适应同步估计方法，其特征在于所述的最大斜率amax取值为3 7。
全文摘要
本发明提出一种对双观测系统量测噪声方差阵的自适应同步估计方法，属于信号处理技术领域，该方法包括得到两观测系统在各时刻的数据信号；计算两观测系统数据信号Z1(i)的自差分序列以及两个自差分序列的互差分序列；计算两观测系统数据信号在不同窗口长度下自差分序列的方差以及两个观测系统在不同窗口长度下互差分序列的方差，得到两观测系统不同窗口长度下的量测噪声方差阵；使用最优窗口长度计算得当前时刻的量测噪声方差阵。本发明利用双测量系统自差分序列和互差分序列信息，能够同时有效估计出两个测量系统的量测噪声方差阵，可实时调节计算噪声方差阵时的数据窗口长度，提高估计精度。本发明单纯利用测量系统信息，避免了误差耦合，精度较高。
文档编号G01D18/00GK102749096SQ20121021391
公开日2012年10月24日 申请日期2012年6月25日 优先权日2012年6月25日
发明者周启帆, 张海, 王嫣然 申请人:北京航空航天大学