[发明专利]交互式T-S模糊语义模型估计方法、系统和计算机可读存储介质

说明书

本发明公开了一种交互式T‑S模糊语义模型估计方法、系统和计算机可读存储介质，用于目标跟踪，解决了现有的滤波算法难以满足系统性能的要求而降低了研究成果的鲁棒性和准确性的问题，包括：采用的不同语言值定义T‑S模糊模型中的不同语义模糊集；设定各个语义模糊集之间的概率转换方法；对目标的初始状态模糊交互，得到目混合初始状态估计及混合初始状态协方差；对混合初始状态估计及混合初始状态协方差非线性滤波处理，得到更新状态及更新状态协方差；对T‑S模糊模型的前件参数计算和更新，得到更新前件参数；计算标准化模型概率；得出目标的状态估计及协方差估计；估计目标的运动状态，从而增加了研究成果的鲁棒性和准确性。

技术领域

本发明涉及目标跟踪技术领域，尤其涉及一种交互式T-S模糊语义模型估计方法、系统和计算机可读存储介质。

背景技术

Takagi和Sugeno在1985年提出了T-S模糊模型，该模型的then部分使用线性函数的形式来表示。

非线性、非高斯随机系统的状态估计在现代信号处理、图像处理、计算机视觉及自动控制等领域有着广泛的应用；扩展卡尔曼滤波、无迹卡尔曼滤波、容积卡尔曼滤波以及许多卡尔曼类改进滤波等方法。

然而，此类滤波方法只能完成弱非线性、噪声近似高斯模型的系统滤波，当系统为强非线性、非高斯噪声时，滤波算法难以满足系统性能的要求，从而降低了研究成果的鲁棒性和准确性。

发明内容

本发明的主要目的在于提供一种交互式T-S模糊语义模型估计方法、系统和计算机可读存储介质，旨在解决现有技术中滤波算法难以满足系统性能的要求，从而降低了研究成果的鲁棒性和准确性的技术问题。

为实现上述目的，本发明第一方面提供一种交互式T-S模糊语义模型估计方法，包括：根据目标特征采用的不同语言值定义T-S模糊模型中的不同语义模糊集；根据所述不同语义模糊集设定各个语义模糊集之间的概率转换方法；根据所述概率转换方法对目标的初始状态进行模糊交互，得到目标的混合初始状态估计及混合初始状态协方差；对所述混合初始状态估计及所述混合初始状态协方差进行非线性滤波处理，得到目标状态的更新状态及更新状态协方差；根据已计算的T-S模糊模型的模糊隶属度对T-S模糊模型的前件参数进行计算和更新，得到更新前件参数；根据前件参数计算标准化模型概率；根据所述标准化模型概率、更新状态及更新状态协方差得出目标的状态估计及协方差估计；根据所述状态估计及协方差估计估计目标的运动状态。

进一步地，所述根据所述不同语义模糊集设定各个语义模糊集之间的概率转换方法包括：根据相近语义具有相似性的特点，使用已得出的模糊集交叉度定义，设定转移概率函数；在设定每个模糊模型的特征数量及语言值数量后，根据T-S模糊模型对非线性函数的表示函数，得到转移概率；根据转移概率得到概率转移矩阵表示函数。

进一步地，所述模糊集交叉度定义的得出方法包括：计算两个模糊集的并集；将两个模糊集的交集近似分别转化为两个三角形隶属函数；计算两个所述三角形隶属函数的交叉度。

进一步地，所述根据所述概率转换方法对目标的初始状态进行模糊交互包括：根据所述概率转换方法设定模型概率预测函数；根据所述概率转换方法及概率预测函数设定概率混合函数；根据所述概率混合函数及前一时刻的目标状态和协方差计算概率混合初始状态估计函数及概率混合初始状态协方差。

进一步地，所述对所述混合初始状态估计及所述混合初始状态协方差进行非线性滤波处理包括：在最小二乘估计器中引入目标速度与时间间隔作为遗忘因子；根据所述混合初始状态协方差、状态转移矩阵及观测矩阵计算滤波增益；根据所述滤波增益及所述混合初始状态估计得到更新状态；根据所述滤波增益及混合初始状态协方差得到更新状态协方差。