[發明專利]一種基于事件驅動的量測調度方法

有效

• 申請號: 201710103491.6
• 申請日: 2017-02-24
• 公開（公告）號: CN106845016B
• 公開（公告）日: 2019-10-15
• 發明（設計）人: 王小旭;宋寶;張倩云;王永剛;潘泉;梁彥
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G01P3/64
• 代理公司: 陜西增瑞律師事務所 61219
• 代理人: 劉春

1.一種基于事件驅動的量測調度方法，其特征在于，通過設計一種開環隨機事件觸發機制，根據量測的貢獻度自適應調節量測窗長：判斷從當前時刻到初始時刻的量測選取事件是否被觸發，如果事件被觸發，則窗長加1，繼續判斷前一時刻，否則即得到當前時刻的量測窗長；然后結合EM框架，設計一種基于事件驅動的量測調度自適應變劃窗EM參數解析辨識技術；

本發明基于一類離散時間乘性參數線性系統，具體如下：

x_k+1＝F(x_k)θ+S(x_k)+ω_k (1-1)，

y_k＝H_kx_k+v_k (1-2)，

式中，公式(1-1)為系統模型的動態方程，公式(1-2)為系統模型的量測方程；

k∈{1,2,…}是離散時間，x_k∈Rⁿ和y_k∈R^m是系統狀態和量測向量；F(·)∈R^n×p和S(·)∈Rⁿ是已知的線性函數，θ∈R^p是與F(·)乘性耦合的系統參數；H_k∈R^m×n是量測矩陣；ω_k∈Rⁿ是過程噪聲，v_k∈R^m是量測噪聲；w_k和v_k分別是均值為零方差為Q和R的高斯白噪聲；初始狀態x₀服從均值為方差為P₀的高斯分布；

具體按照以下步驟實施：

步驟1、基于事件驅動的量測調度策略：

設計如下隨機事件觸發機制：

式中，ζ_k為服從[0,1]上均勻分布的隨機變量，Z是非奇異正定矩陣，r_k為決策變量；

令z_k表示k時刻窗內的量測，則

式中，l＜k，z_i＝{y₁,y₂,…,y_i},1≤i≤l，l表示最小窗長，γ_k為決策變量，y_i為i時刻系統量測；

步驟2、根據步驟1的基于事件驅動量測調度策略，設計EM框架下參數θ的辨識結果；

步驟3、根據步驟2得到的參數辨識結果進行系統參數和狀態的聯合估計與辨識：

步驟3.1、根據步驟1選取的窗內量測，計算對應窗內量測時刻的狀態RTS平滑和協方差；

步驟3.2、根據步驟2得到的參數辨識結果和步驟3.1得到的狀態平滑和協方差，計算參數θ估計值

步驟3.3、判斷迭代是否滿足迭代終止條件，所述迭代終止條件為兩次迭代期望誤差小于給定閾值ε：

當迭代滿足迭代終止條件后，即結束本次內層迭代過程，得到第k次迭代的參數θ的估計值然后將k取值加1，直到k等于量測長度，t值重置為1，返回步驟3.1繼續迭代；

如果迭代不滿足迭代終止條件，將t取值加1，返回步驟3.2繼續迭代。

2.如權利要求1所述的一種基于事件驅動的量測調度方法，其特征在于，所述步驟2的具體方法為：

步驟2.1、求解離散時間乘性參數線性系統的完整數據對數似然函數；

步驟2.2、計算步驟2.1得到的完整數據對數似然函數的期望：

步驟a、對完整數據對數似然函數進行分解，得到關于狀態的對數條件概率密度函數，概率密度函數均是待辨識參數的線性函數；

步驟b、求步驟a得到的對數條件概率密度函數關于的條件期望；

其中，為在條件下的概率密度函數，為k時刻第t次迭代參數θ的估計值，

步驟2.3、將x_k，F(x_k)和S(x_k)關于狀態的各分量展開；

其中，x_k為k時刻系統狀態向量；F(x_k)和S(x_k)為k時刻系統已知的線性函數；

步驟2.4、根據步驟2.3得到的x_k，F(x_k)和S(x_k)的分解形式和步驟2.2得到的期望的表達式來計算期望，然后取期望關于參數θ的導數，并令導數為零最大化期望；

步驟2.5、根據步驟2.4中使得期望取得最大值的參數θ，即可得到參數θ的辨識結果：

式中，

其中，x_i為系統i時刻的狀態，x₀為系統初始狀態，Q為系統過程噪聲方差，γ_k為決策變量；Φ_l，Γ_l，e_s分別為F(x_k)、S(x_k)和x_k按狀態x_k的分量分解得到的常數矩陣；和分別為i時刻和i-1時刻的狀態平滑，P_i-1,i-1|k為i-1時刻狀態的協方差，P_i-1,i|k為i時刻和i-1時刻狀態的互協方差；為的第s個分量；為P_i-1,i-1|k的第j行第l個分量。