【《恶劣天气场景下毫米波雷达的风险识别策略设计案例》1800字】

-PAGE1-恶劣天气场景下毫米波雷达的风险识别策略设计案例目录TOC\o"1-3"\h\u27863恶劣天气场景下毫米波雷达的风险识别策略设计案例 118271.1卡尔曼滤波 1258411.2双状态卡方检验 21.1卡尔曼滤波对于自适应巡航系统中的毫米波雷达，对目标运动状态的估计主要关注目标的纵向位置及纵向速度，本文采用向量x=y,yT来描述前方物体的运动状态，其中前方目标运动状态的状态方程的离散时间模型表示为：x(k+1)=Φx(k)+ω公式(STYLEREF1\s4SEQ公式\*ARABIC\s11)Φ=式中，Φ为系统状态转移矩阵；G为系统噪声系数矩阵；x(k)为状态向量x；ω为高斯白噪声序列。前方目标运动状态的观测方程的离散时间模型表示为：z(k+1)=Hx(k)+v公式(STYLEREF1\s4SEQ公式\*ARABIC\s12)H=[10]式中，z为毫米波雷达观测到的目标纵向速度，z(k)=y(k)；H为输出状态矩阵；ω和v为相互独立的高斯白噪声序列。卡尔曼滤波主要包括时间更新方程和状态更新方程两个部分，时间更新方程是在没有观测值zk+1时，对系统状态x(k+1)和方差Pk+1①状态预测方程x公式(STYLEREF1\s4SEQ公式\*ARABIC\s13)②误差协方差预测方程P公式(STYLEREF1\s4SEQ公式\*ARABIC\s14)式中，Q是系统过程激励噪声协方差。然后将一步预测信息xk+1k和Pk+1k代入状态更新方程，与观测信息zk+1融合得到滤波估计值①增益方程K公式(STYLEREF1\s4SEQ公式\*ARABIC\s15)式中，R是测量噪声协方差。②滤波方程x公式(STYLEREF1\s4SEQ公式\*ARABIC\s16)ε公式(STYLEREF1\s4SEQ公式\*ARABIC\s17)式中，εk+1为实际观测zk+1与预测观测③误差协方差更新方程P公式(STYLEREF1\s4SEQ公式\*ARABIC\s18)1.2双状态卡方检验图STYLEREF1\s4.SEQ图\*ARABIC\s12单状态卡方检验原理框图上文介绍了由卡尔曼滤波得到x(k)x公式(STYLEREF1\s4SEQ公式\*ARABIC\s19)P公式(STYLEREF1\s4SEQ公式\*ARABIC\s110)xs(k)为状态递推值，Ps卡尔曼滤波的状态估计值xkk由一步预测信息xkk−1和实际观测信息zk融合得到，当系统存在功能不足，实际观测信息存在风险时，状态估计值xkk也会包含风险信息根据状态滤波值x(k)和B(k)≜E公式(STYLEREF1\s4SEQ公式\*ARABIC\s111)b(k)≜公式(STYLEREF1\s4SEQ公式\*ARABIC\s112)ζ(k)≜公式(STYLEREF1\s4SEQ公式\*ARABIC\s113)差异向量b(k)是零均值的高斯随机向量；Bk是b(k)的协方差；随机状态量ζ(k)∼&ζ公式(STYLEREF1\s4SEQ公式\*ARABIC\s114)式中的ϵ是设定的检测阈值，决定检测的性能，由皮尔逊准则确定。状态递推器的递推值会随着时间的累积越来越偏离真实值，导致递推器失效，可以使用卡尔曼滤波的状态估计值定期对状态递推值进行更新，但是当发生风险时，卡尔曼滤波的状态估计值已经包含了风险信息，会污染状态递推器，导致无法检测出信号异常现象。为了减小被污染的可能，提高风险识别的可靠性，可以设置两个状态递推器，进行交替的重置，当一个状态递推器被重置时，另外一个可以作为参考系统。图STYLEREF1\s4.SEQ图\*ARABIC\s13双状态卡方检验原理图图STYLEREF1\s4.SEQ图\*ARABIC\s14双状态卡方检验递推器的重置和使用时间双状态卡方检验递推器的重置和使用时间如图4.4所示，在Terr时刻系统信号出现了明显的异常，存在风险。设Terr发生在时间区间(t2i，t2i+1)内，在t2i时刻状态递推器1已经被重置，在t2i+1时刻状态递推器2即将被重置污染，在t2i+2时刻状态递推器1即将被重置污染，所以需要在t公式(STYLEREF1\s4SEQ公式\*ARABIC\s115)∆公式(STYLEREF1\s4SEQ公式\*ARABIC\s116)即双状态卡方检验递推器的重置时间间隔大于信号异常的检测时