(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211152137.X (22)申请日 2022.09.21 (66)本国优先权数据 20221085795 6.8 2022.07.20 CN (71)申请人 中国人民解 放军海军工程大 学 地址 430000 湖北省武汉市硚口区解 放大 道717号 (72)发明人 侯佳欣　王黎明　边少峰　李厚朴　 李龙梅　李成县　武曙光　赵永辉　 欧阳继能 　陈晨　叶彤　焦晨晨　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 杨振鹏 (51)Int.Cl. G06T 7/277(2017.01)G06F 17/18(2006.01) G06F 17/16(2006.01) (54)发明名称 一种新型交互式多模型状态估计方法及系 统 (57)摘要 本发明公开了一种新型交互式多模型状态 估计方法及系统， 包括以下步骤： 建立跟踪目标 的运动状态模 型和运动状态量测模 型； 根据运动 状态模型， 输入条件模型的目标先验状态， 并结 合滤波器的模型概率得到混合状态估计和混合 误差协方差估计； 将混合状态估计、 混合误差协 方差估计作为无迹卡尔曼滤波的初始输入信号 对模型状态、 模型误差协方差进行更新， 输出更 新后的模型状态和模型误差协方差； 利用似然函 数对模型概率进行更新， 输出更新后的模型概 率； 根据更新后的模型状态、 模型误差协方差以 及模型概率， 得到全局最优状态估计均值和全局 状态估计协方差。 本发明通过交互式多模型高阶 无迹卡尔曼滤波算法， 从而在复杂环 境中实现准 确估计的目的。 权利要求书4页 说明书11页 附图3页 CN 115546258 A 2022.12.30 CN 115546258 A 1.一种新型交 互式多模型状态估计方法， 其特 征在于， 包括以下步骤： 根据目标跟踪中的动力学模型， 建立跟踪目标的运动状态模型和运动状态量测模型； 根据建立的运动状态模型， 输入条件模型的目标先验状态， 并结合滤波器的模型概率 得到混合状态估计和混合误差协方差估计， 所述模型概率表示出现此模型 的概率， 所述 目 标先验状态表示根据系统过程原理或者经验得到的估计值， 所述混合状态估计表示在 模型 序列匹配真实模式序列的条件下， 最小均方误差意义下 的状态估计值； 所述混合误差协方 差估计表示 误差协方差经 过加权平均后的结果； 将所述混合状态估计、 混合误差协方差估计作为无迹卡尔曼滤波的初始输入信号对模 型状态、 模型误差协方差进行 更新， 输出 更新后的模型状态和模型误差协方差； 利用似然函数对 模型概率进行更新， 输出 更新后的模型概 率； 根据更新后的模型状态、 模型误差协方差以及模型概率， 通过加权平均处理得到全局 最优状态估计均值和全局状态估计协方差， 从而完成状态的估计。 2.根据权利要求1所述的新型交互式多模型状态估计方法， 其特征在于， 所述运动状态 模型表示为公式1 ‑1： 所述运动状态量测模型表示为公式1 ‑2： 式中： k表示第k步， k ‑1表示第k ‑1步， xk表示第k步的n维跟踪目标参数状态 向量， 表示k时刻第j个模型的状态转移矩阵， 表示k‑1时刻第j个模型的状态量， 表示k‑1步的n维随机系统噪声， zk表示第k步的m维跟踪目标的量测向量， 表示k时刻第j 个模型的量测转移矩阵， 表示k时刻第j个模型的后验状态估计量， 表示k时刻第j个模 型的量测噪声。 3.根据权利要求1所述的新型交互式多模型状态估计方法， 其特征在于， 在对模型状 态、 模型误差协方差进 行更新时， 还包括对第一类采样点和权值进 行计算， 表 示为公式3‑1： 对第二类采样点和权值进行计算， 表示为公式3 ‑2： 对第三类采样点和权值进行计算， 表示为公式3 ‑ 3： 在对三类采样点和权值进行计算后， 将得到 的采样权　利　要　求　书 1/4 页 2 CN 115546258 A 2点经非线性函数进行传播， 表示为公式3 ‑4： i＝0～2n2+1， 并对模 型 状 态 和 模 型 误 差 协 方 差 进 行 预 测 ， 模 型 状 态 的 预 测 过 程 为 公 式 3 ‑5 ： 模型误差协方差的预测过程为公式3 ‑6： 式中 ， n 表示状态维数， κ表示自由参数， e表示单位向量， f( ‑)表示系统非线性函数， ξ*和ω*分别表 示对应的采样点和权值， ∑表示求和运算， ()T表示矩阵的转置运算， Qk‑1表示噪声方程矩 阵。 4.根据权利要求3所述的新型交互式多模型状态估计方法， 其特征在于， 在对模型状态 和 模 型 误 差 协 方 差 完 成 预 测 后 ，对 采 样 点 进 行 计 算 ，表 示 为 公 式 3 ‑7 ： 将得到的采样点经非线性函数进行传播， 表示为公式3 ‑8： 并 对 运 动 状 态 量 测 模 型 进 行 预 测 ，表 示 为 公 式 3 ‑9 ： 式中， sigma( ‑)表示高阶UT采样点， h( ‑)表示 非线性量测函数。 5.根据权利要求4所述的新型交互式多模型状态估计方法， 其特征在于， 在运动状态量 测模型完成预测后， 根据预测的模型状态、 模型误差协方差以及运动状态量测模型计算自 协方差和互协方差， 自协方差的计算表示 为公式3‑10： 互 协 方 差的计算表示 为公式3‑11： 式中， ω* 和 ξ*分别表示权值和采样点， ∑表示求和运算， ()T表示矩阵的转置运算， 和 分别表 示状态一部预测量和量测一部预测量。 6.根据权利要求5所述的新型交互式多模型状态估计方法， 其特征在于， 在完成自协方 差和互协方差的计算后， 根据计算得到的自协方差和互协方差计算增益， 表 示为公式3‑12： 利用增益对模型状态以及模型误差协方差进行更新， 模型状态的 更新表示为公式3 ‑13： 模型误差协方差的更新表示为 公式3‑14： 式中， Zk和 分别表示量测量和第j个模型 的高阶UK F量测一步预测。权　利　要　求　书 2/4 页 3 CN 115546258 A 3