基于凸优化技术的改进型卡尔曼滤波算法
发布时间:2022-11-23 00:40:15 来源:文档文库
小
中
大
字号:
且应用技术 基于凸优化技术的改进型卡尔曼滤波算法 冯宝 (桂林航天工业学院自动化系) 摘要:为了能够在高斯噪声和稀疏噪声混合情况下对目标进行准确跟踪,提出基于凸优化的改进型卡尔曼 目标跟踪算法。改进后的方法以传统卡尔曼滤波方法为基础,结合凸优化技术,从最大后验估计理论和贝叶斯理 论的角度构建目标跟踪的优化问题,将噪声统计特性作为先验约束引入优化过程中,实现在高斯噪声和稀疏噪声 混合情况下对目标的准确跟踪。仿真实验结果证明该方法的可行性和有效性。 关键词:目标跟踪;卡尔曼滤波;凸优化 0引言 在现代工业控制和自动化领域,目标跟踪是一个 重要研究方向【I 】。目标跟踪是为了准确获取机动目标 当前的运动状态(包括位置、速度等)。为了能够准 确地对运动目标进行跟踪,各种目标跟踪算法相继出 现。 高斯于1795年最早提出用最小二乘算法对神谷 星轨道进行预测,然而后续研究【l】发现最dx--乘算法 并没有用到相关参数的统计信息,因此不是最优解决 方案。2O世纪40年代,控制理论的创始人之一美国 科学家N.Wiener,根据火力控制对滤波的需要提出一 种频域中的维纳滤波方法【2】。该方法可以获取线性情 况下的最优估计,但其缺陷在于必须用到无限过去的 数据,因此需要很大的数据存储空间,且由于在频域 中设计,算法求解比较复杂,限制了维纳滤波的进一 步发展和应用。为克服维纳滤波的缺陷,Kalman于 20世纪60年代将状态空间模型引入滤波理论,并提 出了目标跟踪问题的经典算法之一:卡尔曼滤波【3 。 卡尔曼滤波借助状态空间表示方法,利用当前时刻的 量测值和上一时刻的估计值对当前目标的状态进行 预测,并取得成功。然而卡尔曼滤波需要对数学模型 和噪声统计特性进行准确建模,且假设噪声是服从高 斯分布的。实际研究发现,卡尔曼滤波对噪声的高斯 性假设在目标跟踪中往往不能完全满足。 在实际应用中存在一种噪声,其大部分时间为 零,但是某几个时刻噪声值较大,这种噪声被称为稀 疏噪声(野点噪声),服从拉普拉斯分布。稀疏噪声 的产生通常是由于传感器故障、观测异常或者一些故 意干扰造成的。当用传统卡尔曼方法处理稀疏噪声 时,由于卡尔曼滤波器会将稀疏噪声看作高斯噪声来 分析,导致目标跟踪精度严重下降,甚至使滤波结果 严重偏离,导致滤波器发散【 。 为克服这一问题,本文以凸优化技术为基础,提 出基于凸优化的改进卡尔曼滤波方法。改进后的方法 在状态空间方程构建过程中加入稀疏噪声项,并从最 大后验概率估计理论的角度构建卡尔曼滤波的优化 模型,通过利用稀疏噪声的稀疏特性,解决了稀疏噪 声和高斯噪声混合下的目标跟踪问题。此外,采用凸 优化技术构建算法,可以借助其成熟的算法解决方案 (如内点法),提高算法的求解效率,同时也有利于 算法在实际工程应用中的推广。 1基于卡尔曼滤波的目标跟踪 卡尔曼滤波的目标跟踪系统模型可用式(1)表示 1"[-Wt -yt=cx,+ (1) 其中, ∈R 表示t时刻目标的状态向量;Xt ∈R 表示 1时刻目标的状态向量: ∈R肘是t时刻目 标的观测向量(Ⅳ表示状态向量中变量的个数: 表 示观测向量中变量的个数);A和C分别是系统状态 转移矩阵和量测矩阵;wt∈R 表示系统的状态噪 声;vt∈R肘表示量测噪声。通常情况下,假设 和 2014年第35卷第5期自动化与信息工程>>>>l9
1, 都服从高斯分布。 用卡尔曼滤波进行目标跟踪的主要任务是根据 目标量测值 估计目标状态向量x,。通过式(1)中的 状态方程和量测方程可知,在状态转移矩阵 和量测 矩阵C己知的情况下,可以通过最小方差估计方法, 得到状态向量的递推公式,进而得到对状态向量的估 计值 。整个估计过程可以归纳为以下2个步骤: 1)时间更新过程。用 和 分别表示状态向 量X 在t和 l时刻的估计值,则卡尔曼时间更新过 程可以表示为 Xfll =AX f_l (2) 时间更新过程主要是在t时刻量测值 未知情况 下,根据 l时刻的量测值 1来进一步预测t-I时刻 的状态值,达到对当前时刻状态值进行估计的目的。 21量测更新过程。在量测更新过程中,t时刻的 量测值 己知。因此,量测更新过程可以表示为 Xtlt:Xtlt一1+∑C (CZC + ) ( 一Cxttl一1) (3) 其中,∑是预测状态协方差;( 一Cx j )表示新 息: 表示v,对应的噪声协方差矩阵。重复上述2 个步骤,在不断迭代之后,可以逐步缩小目标的跟踪 误差,最终达到对目标状态进行准确估计的目的。 2适合多类型噪声的改进卡尔曼算法 在实际应用中,噪声是不可避免的,而且噪声也 是多种多样的。为使卡尔曼算法能够获得在复杂噪声 (如稀疏噪声混合高斯噪声)情况下的目标跟踪能 力,首先对式(1)进行调整: Xt 1+ -f41 :Cx,+ +Zt 其中z.表示稀疏噪声。 为了方便从优化的角度理解卡尔曼算法,利用凸 优化技术 】,根据最大后验估计理论和贝叶斯理论, 将采用状态空间表达式来表示的传统卡尔曼理论式 (4),进一步表达为一个凸优化的形式 20 min _。 +( —X )T∑-1(x—X ) + ̄llz/l (5) S.t.Yt=Cx+v,+ 其中, 是一个控制z 稀疏性的调节参数。 为了能够清晰地反映改进卡尔曼算法和传统卡 尔曼算法的联系和区别,对优化式(5)的形式做进一步 的研究。首先, ̄SLv,= 一Cx—Zt,则式(5)中优化 目标函数可以进一步表示为 F(x,Z,) 一c ~Z,)T ( 一Cx一 +IIz,II +(