混合不確定性系統(tǒng)的估計(jì)方法研究及應(yīng)用.pdf

1、自動(dòng)控制系統(tǒng)受到多種類型復(fù)雜噪聲的干擾，基于Bayesian的傳統(tǒng)濾波方法要求被估計(jì)過(guò)程具備充分的隨機(jī)先驗(yàn)知識(shí)，顯然，在實(shí)際情況中，這個(gè)要求很難完全滿足。如果濾波方法對(duì)噪聲的假設(shè)不符合實(shí)際情況，也就難以得到理想的估計(jì)結(jié)果。因此，本文在現(xiàn)有研究成果的基礎(chǔ)上，尋找一種新穎和實(shí)用的方法，以適當(dāng)放寬濾波方法對(duì)噪聲先驗(yàn)知識(shí)的要求，從而設(shè)計(jì)出能夠兼顧一定魯棒性和精度的濾波器。最后通過(guò)選擇適當(dāng)?shù)臑V波器，將其應(yīng)用到全球定位系統(tǒng)(Global Posit

2、ioning System，GPS)軟件接收機(jī)的載波跟蹤環(huán)路以及GPS/DR(GPS/Dead-Reckoning)組合導(dǎo)航中。
　　具體研究工作包括以下幾個(gè)部分的內(nèi)容：
　　1.針對(duì)系統(tǒng)噪聲的統(tǒng)計(jì)特性往往很難獲得，研究了一種基于噪聲統(tǒng)計(jì)特性未知但有界(Unknown But Bounded，UBB)假設(shè)下的集員辨識(shí)(Set Membership Identification，SMI)和集員濾波(Set Membership

3、 Filer，SMF)算法，該算法用橢球來(lái)包含系統(tǒng)的參數(shù)集合、狀態(tài)集合及噪聲集合。重點(diǎn)研究了基于最優(yōu)定界橢球(Optimal Bounding Ellipsoid，OBE)思想的集員濾波算法，最優(yōu)定界橢球包含最小容積橢球和最小跡橢球兩種不同的優(yōu)化指標(biāo)。隨后將線性系統(tǒng)集員濾波算法推廣到非線性系統(tǒng)，提出的擴(kuò)展集員濾波(Extended SetMembership Filer，ESMF)在線性化過(guò)程中，并沒(méi)有像擴(kuò)展Kalman濾波(Exten

4、ded KalmanFilter，EKF)那樣在線性化過(guò)程中舍去泰勒級(jí)數(shù)的高階項(xiàng)，而是用區(qū)問(wèn)分析方法確定剩余高階項(xiàng)的邊界，然后將確定的邊界和已知噪聲邊界進(jìn)行合并。避免在非線性程度嚴(yán)重時(shí)，忽略高階項(xiàng)導(dǎo)致較大的線性化誤差，從而引起濾波誤差增大甚至發(fā)散。
　　2.控制系統(tǒng)一般同時(shí)受到隨機(jī)噪聲和有界噪聲干擾，由于兩種濾波算法都有各自的適用范圍，使用單一濾波算法難以得到理想的估計(jì)結(jié)果。因此，本文在隨機(jī)濾波和集員濾波理論的基礎(chǔ)上，通過(guò)建立具有

5、雙重不確定性系統(tǒng)的模型，提出一種基于有界的Bayesian估計(jì)推理。該算法用，Kalman濾波處理系統(tǒng)的隨機(jī)不確定性，用集員濾波處理系統(tǒng)的有界不確定性，從而得出一個(gè)易于實(shí)現(xiàn)的聯(lián)合濾波器。最后通過(guò)對(duì)雷達(dá)跟蹤系統(tǒng)的仿真驗(yàn)證了新算法的有效性。
　　3.針對(duì)GPS接收機(jī)在高動(dòng)態(tài)及低信噪比情況下，載波信號(hào)受到多種不同類型噪聲的干擾，且往往這些噪聲的統(tǒng)計(jì)特性很難獲得，甚至有些就是本質(zhì)非隨機(jī)的，而已有方法都是假設(shè)系統(tǒng)噪聲符合一定概率分布，然而這

6、種假設(shè)并不合理。因此，本文提出了一種基于噪聲有界的解決思路。該方法首先定義噪聲為UBB噪聲，然后通過(guò)橢球包含狀態(tài)集合和噪聲集合，進(jìn)而利用集員濾波或擴(kuò)展集員濾波方法完成了載波信號(hào)的多普勒頻移估計(jì)，最后通過(guò)MATLAB仿真驗(yàn)證該算法的有效性，并與傳統(tǒng)方法進(jìn)行比較。該方法為GPS接收機(jī)載波跟蹤環(huán)路的設(shè)計(jì)提供了一種新的思路。4.針對(duì)車載GPS/DR組合導(dǎo)航系統(tǒng)中，由于DR系統(tǒng)的誤差以及組合導(dǎo)航系統(tǒng)中外部噪聲的非高斯特性會(huì)導(dǎo)致EKF濾波性能變差。

7、本文提出了一種基于ESMF技術(shù)的GPS/DR組合導(dǎo)航系統(tǒng)應(yīng)用算法，與EKF算法不同，該算法在非線性方程線性化過(guò)程中保留了泰勒級(jí)數(shù)展開(kāi)式中的高階項(xiàng)，然后通過(guò)確定高階項(xiàng)的區(qū)間范圍，形成一個(gè)虛擬補(bǔ)償項(xiàng)加入到系統(tǒng)中，從而避免了EKF因舍去高階項(xiàng)造成系統(tǒng)誤差增大而導(dǎo)致的濾波性能變差的問(wèn)題。此外該算法不需要先驗(yàn)已知外部噪聲的統(tǒng)計(jì)特性，對(duì)于噪聲的假設(shè)也使得系統(tǒng)更具魯棒性。最后的仿真結(jié)果也表明，對(duì)于車載GPS/DR組合導(dǎo)航系統(tǒng)，ESMF較EKF具有一定