[发明专利]一种直升机光学大气数据系统自适应滤波方法

权利要求书

1.一种直升机光学大气数据系统自适应滤波方法，其特征在于，包括以下步骤：

S1、对预处理后的频谱数据进行寻峰得到多个满足信噪比阈值的峰值；

S2、建立先验信号估计模型来自动更新状态空间的特征参数；

S3、利用步骤S2的特征参数建立状态空间模型，将S1中所有的寻峰值依次带入状态空间模型并利用卡尔曼滤波算法进行噪声滤除及有效信号估计。

2.根据权利要求1所述的一种直升机光学大气数据系统自适应滤波方法，其特征在于，所述步骤S1包括以下步骤：

S1.1、对频谱数据进行高斯平滑，再对频谱数据进行一阶、二阶求导；

S1.2、求取频谱数据的平均值，根据平均值设置门限，进行峰值获取。

3.根据权利要求1或2所述的一种直升机光学大气数据系统自适应滤波方法，其特征在于，所述步骤S1中寻峰的方法为导数法。

4.根据权利要求1所述的一种直升机光学大气数据系统自适应滤波方法，其特征在于，所述步骤S2中，将多个先验信号值代入先验信号估计模型来自动更新特征参数。

5.根据权利要求4所述的一种直升机光学大气数据系统自适应滤波方法，其特征在于，所述步骤S2包括以下步骤：

S2.1、据前m个先验信号值来初始化参数，确定估计误差协方差P₀和初始信号状态值x₀；

其中：为先验估计信号值；

S2.2、构建状态转移矩阵A，同时利用先验估计信号来更新激励噪声协方差矩阵Q；

其中，N为上一时刻信号的序号；

S2.3、利用前n个先验信号数据获得此时信号的估计值

6.根据权利要求5所述的一种直升机光学大气数据系统自适应滤波方法，其特征在于，所述步骤S3包括以下步骤：

S3.1、利用寻峰算法对满足寻峰要求的n个观测信号z，依次代入状态空间模型计算；

z(n)＝{z(1),z(2),...,z(n),...}(n＝1～N)

S3.2、计算先验估计协方差P_prior；

P_prior＝AP_posteriorA^T+Q

其中：P_posterior：后验估计协方差矩阵；

A为系统参数，对于多模型系统其为矩阵，对于本发明系统，其为1；

A^T为A的转置矩阵。

S3.3、根据每个观测信号来确定每次迭代的观测噪声协方差R(n)；

其中：为信号的后验估计；

S3.4、根据R(n)计算每次的卡尔曼增益系数K(n)，此时H＝1；

其中：H为测量系统的参数，对于多测量系统，其为矩阵，对于本发明系统其为1；

H^T为H的转置矩阵。

S3.5、当卡尔曼增益系数K(n)K(n-1)时，将步骤S3.2-S3.4的参数代入步骤S3.6、S3.7进行计算，初始化K(0)设置为0；

S3.6、计算获得系统状态的后验估计值

S3.7、计算完成协方差矩阵P_posterior的更新，此时I＝1：

P_posterior＝(I-K H)P_prior

其中：I为单位对角矩阵；

H为测量系统的参数，对于多测量系统，其为矩阵，对于本发明系统其为1。

按照上述步骤S3.1～S3.7以此穷举所有的n个观测信号利用卡尔曼滤波算法进行多次递归计算，上一个信号递归后的特征参数作为下一个信号的特征参数初始值，最终得到滤除多种复杂干扰噪声的有效估计值。