[發明專利]一種車輛狀態估計方法

有效

• 申請號: 202310182028.0
• 申請日: 2023-03-01
• 公開（公告）號: CN115859039B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 葛泉波
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06F17/11;G06F17/16
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 顏盈靜

本發明公開了一種車輛狀態估計方法，包括：構建車輛狀態的線性系統，車輛狀態的線性系統采用狀態方程和觀測方程來描述，狀態方程和觀測方程中的噪聲采用非高斯噪聲統計模型來描述；在車輛狀態的線性系統下，采用基于混合核函數的自適應核最大相關熵卡爾曼濾波方法，對車輛狀態進行估計，以此獲取車輛狀態的最優狀態估計；其中，在基于混合核函數的自適應核最大相關熵卡爾曼濾波方法中將針對觀測方程殘差項的核函數和針對狀態方程預測誤差項的核函數的加權和作為代價函數；以及核函數的核寬根據觀測方程殘差項自適應更新。

技術領域

本發明屬于數據處理技術領域，具體為一種車輛狀態估計方法。

背景技術

傳統卡爾曼（Kalman）濾波及其變體比如無跡卡爾曼濾波UKF、擴展卡爾曼濾波EKF、容積卡爾曼濾波CKF等均采用基于誤差二階矩的最小均方誤差（Mean-Square?Error?，MSE)準則為代價函數的算法，在線性系統、高斯噪聲假設情況下實現了最優估計而被廣泛采用。然而實際過程噪聲和（或）測量噪聲會因為人為原因、建模不準確、設備不可靠、采樣誤差、受到網絡攻擊等原因遠離高斯分布，這種情況下采用Kalman及其變體進行濾波，估計結果會出現較大偏差不能實現最優。

為此，近些年比較流行采用基于誤差高階矩的熵（最小誤差熵MEE、最大相關熵MCC等）指標作為代價函數進行濾波，和基于MSE指標的Kalman濾波相比，熵指標的Kalman濾波精度和魯棒性等都大大提高。由于基于MEE指標進行Kalman濾波計算復雜性較基于MCC要復雜得多，計算量大，所以基于MCC的Kalman應用得更多。

基于MCC的卡爾曼濾波中，核寬是唯一的自由參數，對局部最優值的存在、收斂速度和對非高斯噪聲的魯棒性等起決定性作用。然而，現有大多文獻或實際工程大多針對某特定非高斯噪聲基于經驗或試錯方法確定選擇固定大小的核寬。一方面實際系統的非高斯噪聲是未知的，基于某特定噪聲確定的固定大小核寬在實際非高斯噪聲情況下估計性能可能會很差；另一方面噪聲也不是穩定的，比如初期噪聲很大，隨著時間的推移噪聲趨于穩定，所以采用固定核寬非常容易達不到最優。

發明內容

發明目的：為解決基于某特定噪聲確定的固定大小核寬在實際非高斯噪聲情況下估計性能可能會很差的問題，以及為解決采用固定核寬非常容易達不到最優的問題，本發明提出了一種基于自適應核的最大相關熵卡爾曼濾波方法的車輛狀態估計方法，針對實際系統過程噪聲和/或測量噪聲非高斯的情況，實現濾波精度和魯棒性的大幅提高，實現狀態估計的性能提高，大大加強最大相關熵卡爾曼濾波的應用范圍。

技術方案：一種車輛狀態估計方法，包括以下步驟：

步驟1：構建車輛狀態的線性系統，所述車輛狀態的線性系統采用狀態方程和觀測方程來描述，狀態方程和觀測方程中的噪聲采用非高斯噪聲統計模型來描述；所述車輛狀態包括車輛位置和車輛速度；

步驟2：在車輛狀態的線性系統下，采用基于混合核函數的自適應核最大相關熵卡爾曼濾波方法，對車輛狀態進行估計，以此獲取車輛狀態的最優狀態估計；

其中，所述基于混合核函數的自適應核最大相關熵卡爾曼濾波方法，包括：

根據前一時刻的車輛狀態估計和前一時刻的狀態估計誤差協方差，進行一步預測，得到當前時刻的預測車輛狀態估計和預測誤差協方差；

將針對觀測方程殘差項的核函數和針對狀態方程預測誤差項的核函數的加權和作為代價函數；對代價函數進行最大化處理，得到當前時刻的車輛狀態估計和當前時刻的狀態估計誤差協方差；

其中，針對觀測方程殘差項的核函數和針對狀態方程預測誤差項的核函數的核寬根據觀測方程殘差項自適應更新。

進一步的，

記前一時刻為時刻，當前時刻為時刻；

所述狀態方程表示為：