[發明專利]基于高階滑膜跟蹤微分器的加速度估計方法、系統、設備和介質

有效

• 申請號: 202111003208.5
• 申請日: 2021-08-30
• 公開（公告）號: CN113791240B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 胡紅爽;吳永東;魏凱敏;羅偉其;張繼連
• 申請（專利權）人: 暨南大學
• 主分類號: G01P15/00
• 分類號: G01P15/00;G05B13/04
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李君

本發明公開了一種基于高階滑膜跟蹤微分器的加速度估計方法、系統、設備和介質，所述方法包括：利用增廣最小二乘法對速度進行參數辨識，得到速度估計的最大測量噪聲幅值；根據所述速度估計的最大測量噪聲幅值，使用一階滑膜跟蹤微分器精確估計目標的速度，得到目標速度的估計值；根據所述目標速度的估計值，得到加速度估計的最大測量噪聲幅值；根據所述加速度估計的最大測量噪聲幅值，使用高階滑膜跟蹤微分器精確估計目標的加速度，得到目標加速度的估計值。本發明使用增廣最小二乘法進行參數辨識，分別獲得速度和加速度估計的最大測量噪聲幅值；同時使用高階滑膜跟蹤微分器，保證了加速度估計值能夠達到要求的精度。

技術領域

本發明屬于自動控制技術領域，特別是涉及一種基于高階滑膜跟蹤微分器的加速度估計方法、系統、計算機設備和存儲介質。

背景技術

隨著計算機視覺的發展，目標跟蹤方法可以精確地獲得圖片集或視頻中目標物體的運動軌跡。根據目標物體的運動軌跡我們可以獲得更多的運動特性，以此來預測目標物體下一時刻的運動趨勢。其中，加速度的獲取尤為重要。但是由物體的位置信息估計加速度的過程是三階微分過程，對噪聲十分敏感，在連續迭代多次后，微分的精度會迅速下降，學者和工程技術人員近年來對其進行了很多的研究。

最小二乘法和卡爾曼濾波是經典的狀態估計方法。基于最小二乘法的加速度估計方法，需要進行兩層微分計算過程，每經過一層的微分計算，噪聲就會被放大一次，導致得到的結果嚴重失真?；诳柭鼮V波的加速度估計方法，需要被估計的模型是線性模型，并且觀測器的噪聲已知。在實際實踐過程中，觀測器的噪聲通常難以獲得，因此使用該方法進行加速度估計也難以實現。

對于上述問題，Atassi和Khalil等人提出了一種高增益微分器，該微分器在增益趨于無窮大的時候可以提供精確的導數，但是也造成對小幅值的高頻噪聲的高敏感性。同時，當增益趨于無窮大的時候，系統處于瞬時狀態時的最大輸出值也將會變成無窮大。因此，該微分器所收斂的值是加速度的附近值，無法得到準確的加速度值。Golembo等人提出了滑膜微分器，但是該微分器是對輸出進行濾波，并沒有提供有限時間收斂的精確微分，因此也無法得到精確的加速度值。

發明內容

為了解決上述現有技術的不足，本發明提供了一種基于高階滑膜跟蹤微分器的加速度估計方法、系統、計算機設備和存儲介質，該方法通過設計一種對感測器噪聲具有良好魯棒性的高階精確微分器，從而完成對加速度的準確估計。

本發明的第一個目的在于提供一種基于高階滑膜跟蹤微分器的加速度估計方法。

本發明的第二個目的在于提供一種基于高階滑膜跟蹤微分器的加速度估計系統。

本發明的第三個目的在于提供一種計算機設備。

本發明的第四個目的在于提供一種存儲介質。

本發明的第一個目的可以通過采取如下技術方案達到：

一種基于高階滑膜跟蹤微分器的加速度估計方法，所述方法包括：

利用增廣最小二乘法對速度進行參數辨識，得到速度估計的最大測量噪聲幅值；

根據所述速度估計的最大測量噪聲幅值，使用一階滑膜跟蹤微分器精確估計目標的速度，得到目標速度的估計值；

根據所述目標速度的估計值，利用增廣最小二乘法對加速度進行參數辨識，得到加速度估計的最大測量噪聲幅值；

根據所述加速度估計的最大測量噪聲幅值，使用高階滑膜跟蹤微分器精確估計目標的加速度，得到目標加速度的估計值。

進一步的，所述利用增廣最小二乘法對速度進行參數辨識，具體包括：

設目標物體的運動軌跡為x(t)，其中真實的運動軌跡為x₀(t)，白噪聲為e(t)，則其連續時間域表示為：