信息论标准下基于智能优化的滤波方法及其在多径估计中的应用

State estimation in non-Gaussian noise is an important subject for automatic control. The information theoretic criteria (ITC) is more powerful than mean square error criteria (MSEC) since the MSEC -based filtering methods only consider the second-order statistics while ITC-based methods can extract higher-order statistics of target states. A minimum error entropy (MEE) criterion is mainly used as an ITC. Although the estimation results of minimum error entropy (MEE)-based methods are of minimum randomness, they may converge to wrong values. Furthermore, a stochastic information gradient (SIG) algorithm is usually used to design a filter in these methods, which leads to a local optimal solution of the estimation results. The purpose here is mainly two-fold: 1) design a more powerful performance index function for improving the performance of MEE criteria under the framework of information theory; and 2) explore a filtering algorithm with global optimization ability. The state estimation theory based on ITC will be established to ensure the estimation results converging to the true values with minimum randomness. Firstly, the relationships of different criteria are analyzed to formulate a new performance index function by using the statistical information set for filtering. Then, the state estimation problem is converted into an optimal problem with constrained conditions, and the filter will be implemented by an intelligent optimization algorithm to achieve the global optimization of the estimation results. Finally, the proposed filter will be applied to multipath estimation in navigation system to verify its validity. This research project has not only the very important academic value, but also has the wide application prospect for solving the state estimation problem with non-Gaussian noises.

非高斯噪声下的状态估计是自动控制领域的重要研究课题。信息论标准可根据观测数据提取状态的高阶统计信息，比均方差标准更适用于非高斯噪声。现有的信息论标准主要是指最小误差熵(MEE)标准，但基于MEE的滤波方法只能使估计结果具有最小的随机性而不能保证其收敛到真值，且该方法采用随机信息梯度算法设计滤波器，估计结果仅为局部最优。本项目旨在对MEE标准进行改进，在信息论框架下建立更合适的性能指标，并设计具有全局寻优能力的滤波器，以保证估计结果以最小的随机性收敛到真值，最终建立起信息论标准下的状态估计理论。项目以信息论为基础分析不同性能指标之间的关系，建立基于统计信息集的滤波性能指标，并将状态估计问题转换为有约束条件的优化问题，通过智能优化算法进行全局寻优，完成滤波更新。所设计的滤波器应用于多径估计以验证算法的有效性。本研究对发展非高斯噪声下的状态估计理论及应用，具有重要的学术参考价值和广阔的应用前景。

本项目重点研究了非高斯噪声下基于信息论标准（ITC）的状态估计问题。首先对最小误差熵（MEE）标准进行改进，以在ITC框架下建立更适用于非高斯噪声的性能指标，并设计具有全局寻优能力的滤波器，以保证估计结果以最小的随机性收敛到真值，最终建立起ITC下的状态估计理论。项目以ITC为基础分析了不同性能指标之间的关系，建立了基于统计信息集的滤波性能指标，并将状态估计问题转换为有约束条件的优化问题，通过智能优化算法进行全局寻优，完成滤波更新。最后将所设计的滤波器应用于多径估计以验证算法的有效性。本研究对发展非高斯噪声下的状态估计理论及应用，具有重要的学术参考价值和广阔的应用前景。.通过本项目的执行：1） 建立了非高斯噪声下基于中心误差熵（CEEC）、最大熵（MCC）、生存信息势（SIP）标准的滤波器设计准则；2）提出了一种基于ε等级约束的差分进化算法，以解决基于CEEC和广义最大互熵（GMCC）的滤波器设计过程中的全局寻优问题；3）提出了基于教学优化（TLBO）算法及其改进算法的多径误差抑制方法，并在软件接收机中编程实现；4）提出了基于GMCC的自适应多径估计算法；5）提出了Kalman滤波框架下基于MCC的多径估计算法；6）培养青年教师3名，培养硕士研究生3名。.在本项目的资助下，发表论文14篇，其中SCI收录5篇，EI收录7篇，绝大多数论文以第一作者和通讯作者发表；以第一发明人获批专利1项，课题组申请专利14项；2人被评为山西省2018年度“三晋英才”优秀青年人才。项目按要求完成了研究内容，超额完成了预期研究目标。