[發(fā)明專(zhuān)利]交互式T-S模糊語(yǔ)義模型估計(jì)方法、系統(tǒng)和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201811463206.2
• 申請(qǐng)日: 2018-12-03
• 公開(kāi)（公告）號(hào): CN109558594B
• 公開(kāi)（公告）日: 2023-03-21
• 發(fā)明（設(shè)計(jì)）人: 李良群;謝維信;劉宗香
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳大學(xué)
• 主分類(lèi)號(hào): G06F40/30
• 分類(lèi)號(hào): G06F40/30
• 代理公司: 深圳市恒申知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 44312
• 代理人: 袁文英

本發(fā)明公開(kāi)了一種交互式T?S模糊語(yǔ)義模型估計(jì)方法、系統(tǒng)和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，用于目標(biāo)跟蹤，解決了現(xiàn)有的濾波算法難以滿足系統(tǒng)性能的要求而降低了研究成果的魯棒性和準(zhǔn)確性的問(wèn)題，包括：采用的不同語(yǔ)言值定義T?S模糊模型中的不同語(yǔ)義模糊集；設(shè)定各個(gè)語(yǔ)義模糊集之間的概率轉(zhuǎn)換方法；對(duì)目標(biāo)的初始狀態(tài)模糊交互，得到目混合初始狀態(tài)估計(jì)及混合初始狀態(tài)協(xié)方差；對(duì)混合初始狀態(tài)估計(jì)及混合初始狀態(tài)協(xié)方差非線性濾波處理，得到更新?tīng)顟B(tài)及更新?tīng)顟B(tài)協(xié)方差；對(duì)T?S模糊模型的前件參數(shù)計(jì)算和更新，得到更新前件參數(shù)；計(jì)算標(biāo)準(zhǔn)化模型概率；得出目標(biāo)的狀態(tài)估計(jì)及協(xié)方差估計(jì)；估計(jì)目標(biāo)的運(yùn)動(dòng)狀態(tài)，從而增加了研究成果的魯棒性和準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及目標(biāo)跟蹤技術(shù)領(lǐng)域，尤其涉及一種交互式T-S模糊語(yǔ)義模型估計(jì)方法、系統(tǒng)和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

Takagi和Sugeno在1985年提出了T-S模糊模型，該模型的then部分使用線性函數(shù)的形式來(lái)表示。

非線性、非高斯隨機(jī)系統(tǒng)的狀態(tài)估計(jì)在現(xiàn)代信號(hào)處理、圖像處理、計(jì)算機(jī)視覺(jué)及自動(dòng)控制等領(lǐng)域有著廣泛的應(yīng)用；擴(kuò)展卡爾曼濾波、無(wú)跡卡爾曼濾波、容積卡爾曼濾波以及許多卡爾曼類(lèi)改進(jìn)濾波等方法。

然而，此類(lèi)濾波方法只能完成弱非線性、噪聲近似高斯模型的系統(tǒng)濾波，當(dāng)系統(tǒng)為強(qiáng)非線性、非高斯噪聲時(shí)，濾波算法難以滿足系統(tǒng)性能的要求，從而降低了研究成果的魯棒性和準(zhǔn)確性。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種交互式T-S模糊語(yǔ)義模型估計(jì)方法、系統(tǒng)和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，旨在解決現(xiàn)有技術(shù)中濾波算法難以滿足系統(tǒng)性能的要求，從而降低了研究成果的魯棒性和準(zhǔn)確性的技術(shù)問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明第一方面提供一種交互式T-S模糊語(yǔ)義模型估計(jì)方法，包括：根據(jù)目標(biāo)特征采用的不同語(yǔ)言值定義T-S模糊模型中的不同語(yǔ)義模糊集；根據(jù)所述不同語(yǔ)義模糊集設(shè)定各個(gè)語(yǔ)義模糊集之間的概率轉(zhuǎn)換方法；根據(jù)所述概率轉(zhuǎn)換方法對(duì)目標(biāo)的初始狀態(tài)進(jìn)行模糊交互，得到目標(biāo)的混合初始狀態(tài)估計(jì)及混合初始狀態(tài)協(xié)方差；對(duì)所述混合初始狀態(tài)估計(jì)及所述混合初始狀態(tài)協(xié)方差進(jìn)行非線性濾波處理，得到目標(biāo)狀態(tài)的更新?tīng)顟B(tài)及更新?tīng)顟B(tài)協(xié)方差；根據(jù)已計(jì)算的T-S模糊模型的模糊隸屬度對(duì)T-S模糊模型的前件參數(shù)進(jìn)行計(jì)算和更新，得到更新前件參數(shù)；根據(jù)前件參數(shù)計(jì)算標(biāo)準(zhǔn)化模型概率；根據(jù)所述標(biāo)準(zhǔn)化模型概率、更新?tīng)顟B(tài)及更新?tīng)顟B(tài)協(xié)方差得出目標(biāo)的狀態(tài)估計(jì)及協(xié)方差估計(jì)；根據(jù)所述狀態(tài)估計(jì)及協(xié)方差估計(jì)估計(jì)目標(biāo)的運(yùn)動(dòng)狀態(tài)。

進(jìn)一步地，所述根據(jù)所述不同語(yǔ)義模糊集設(shè)定各個(gè)語(yǔ)義模糊集之間的概率轉(zhuǎn)換方法包括：根據(jù)相近語(yǔ)義具有相似性的特點(diǎn)，使用已得出的模糊集交叉度定義，設(shè)定轉(zhuǎn)移概率函數(shù)；在設(shè)定每個(gè)模糊模型的特征數(shù)量及語(yǔ)言值數(shù)量后，根據(jù)T-S模糊模型對(duì)非線性函數(shù)的表示函數(shù)，得到轉(zhuǎn)移概率；根據(jù)轉(zhuǎn)移概率得到概率轉(zhuǎn)移矩陣表示函數(shù)。

進(jìn)一步地，所述模糊集交叉度定義的得出方法包括：計(jì)算兩個(gè)模糊集的并集；將兩個(gè)模糊集的交集近似分別轉(zhuǎn)化為兩個(gè)三角形隸屬函數(shù)；計(jì)算兩個(gè)所述三角形隸屬函數(shù)的交叉度。

進(jìn)一步地，所述根據(jù)所述概率轉(zhuǎn)換方法對(duì)目標(biāo)的初始狀態(tài)進(jìn)行模糊交互包括：根據(jù)所述概率轉(zhuǎn)換方法設(shè)定模型概率預(yù)測(cè)函數(shù)；根據(jù)所述概率轉(zhuǎn)換方法及概率預(yù)測(cè)函數(shù)設(shè)定概率混合函數(shù)；根據(jù)所述概率混合函數(shù)及前一時(shí)刻的目標(biāo)狀態(tài)和協(xié)方差計(jì)算概率混合初始狀態(tài)估計(jì)函數(shù)及概率混合初始狀態(tài)協(xié)方差。

進(jìn)一步地，所述對(duì)所述混合初始狀態(tài)估計(jì)及所述混合初始狀態(tài)協(xié)方差進(jìn)行非線性濾波處理包括：在最小二乘估計(jì)器中引入目標(biāo)速度與時(shí)間間隔作為遺忘因子；根據(jù)所述混合初始狀態(tài)協(xié)方差、狀態(tài)轉(zhuǎn)移矩陣及觀測(cè)矩陣計(jì)算濾波增益；根據(jù)所述濾波增益及所述混合初始狀態(tài)估計(jì)得到更新?tīng)顟B(tài)；根據(jù)所述濾波增益及混合初始狀態(tài)協(xié)方差得到更新?tīng)顟B(tài)協(xié)方差。