1.一种基于混合概率选择算子的CRPF方法，其特征在于，具体按照以下步骤实施：步骤1、随机产生N个实数作为系统状态的样本，所述样本称为粒子，并定义每一粒子对应的代价值均为0，由所述样本与代价值组成的集合称为粒子—代价集合；同时，分别随机产生粒子组成1号子集合与2号子集合，每一个子集合的数量为N；

步骤2、分别计算所有子集合中粒子的代价函数值、风险函数值及权值；

步骤3、重采样子集合，重采样方法选取多项式重采样；

步骤4、更新子集合；

步骤5、子集合之间粒子的信息交互，若到达设定的交换步数，则执行此项操作；否则，无需执行信息交互操作；

步骤6、生成最终用于系统滤波的粒子—代价集合；

步骤7、更新最终的粒子—代价集合；

步骤8、系统滤波，最终得到系统状态的最优估计值。

2.根据权利要求1所述的一种基于混合概率选择算子的CRPF方法，其特征在于，所述步骤1生成初始规模为N的粒子—代价集合E0，表示为 其中， 表示系统状态随机估计值， 即 服从均匀分布U(I0)，初始代价函数值N为系统状态随机估计值的采样样本数；

同时，生成两个大小为N的子集合 其中， 服从均匀分布U(I0)，j为子集合个数，j＝1,2，当j＝1时， 表示1号子集合，当j＝2时， 表示

2号子集合。

3.根据权利要求2所述的一种基于混合概率选择算子的CRPF方法，其特征在于，所述步骤2具体如下：

步骤2.1、计算t时刻子集合中粒子 的代价函数值 j＝1,2，i＝1,2,…,N，t＝1,

2,…,T，T为时间序列长度，代价函数的计算方式如下：在公式(1)、(2)中， 表示t时刻j号子集合中第i个粒子 的代价函数值；λ表示遗忘因子，0＜λ＜1； 表示t‑1时刻j号子集合中第i个粒子 的代价值函数值； 表示粒子 的代价增量， 表示粒子 的代价增量函数；yt表示t时刻传感器的测量值，h(·)表示传感器估计值的观测函数，预设参数q满足q≥1；

步骤2.2、由子集合粒子的代价函数值 计算得到风险函数值 风险函数的计算公式为：

对于公式(3)， 表示t时刻j号子集合中第i个粒子 的风险函数值；0＜λ＜1，i＝1,

2,…,N，q≥1；f(·)表示系统状态的状态转移函数；

步骤2.3、由子集合粒子的代价函数值 或风险函数值 计算粒子权值 计算方法如下：

亦可通过如下方法计算：

在公式(4)、(5)中， 即为所求的t时刻j号子集合中第i个粒子 的粒子权值，粒子权值调节参数β＞1；公式(4)中 为粒子 的代价值函数值；公式(5)中 表示粒子 的风险函数值， 表示t时刻j号子集合N个随机估计样本中风险函数的最小值，δ为调节参数，0＜δ＜1。

4.根据权利要求3所述的一种基于混合概率选择算子的CRPF方法，其特征在于，所述步骤3具体如下：

步骤3.1、在区间[0,1]上，随机生成服从均匀分布的随机数集合{ui}i＝1:N，且集合中的各元素满足独立同分布；

i

步骤3.2、权值的累积值I＝cdf{ui}，法则cdf表示粒子权重累积分布函数，同时对于随机数ui，存在

步骤3.3、令粒子权值wk＝1/N，在进行多项式重采样操作后，得到复制后粒子的数目集i i i

合{v}i＝1:N，0≤v≤N，v为第i个粒子经过重采样后被复制的次数；

步骤3.4、由公式(4)知，粒子的代价函数值越小，权值越大，因此重采样步骤中权值大的粒子被复制的次数越多，同时保存大权值粒子相应的代价函数值；经过多项式重采样操作后，最终得到t时刻粒子—代价函数值的集合

5.根据权利要求4所述的一种基于混合概率选择算子的CRPF方法，其特征在于，所述步骤4具体如下：

步骤4.1、1号子集合 的粒子以及粒子对应的代价函数值与权值的更新如下：

当t＝1时，1号子集合的粒子更新为 当t≥2时，粒子基于高斯分布更新，即 表示经历多项式重采样后t‑1时刻粒子的状态值，表示协方差矩阵，恒等函数 与方差σt的计算方式如下：公式(6)、(7)中，cov(·)表示协方差的运算；

代价函数值的更新由公式(1)、(2)实现；权值按照公式(4)或公式(5)进行更新；更新后，得到t时刻新的1号粒子—代价集合步骤4.2、2号子集合 粒子以及粒子对应的代价函数值与权值的更新如下：

当t＝1时，2号子集合的粒子更新为 当t≥2时，2号子集合中粒子的更新是基于柯西分布实现的，即 γ(γ＞0)表示尺度参数，l0表示位置参数，γ与l0的取值与系统有关；代价函数值和权值的更新方法与1号子集合相同，最终，得到t时刻新的2号粒子—代价集合

6.根据权利要求5所述的一种基于混合概率选择算子的CRPF方法，其特征在于，所述步骤5中两个子集合每G代进行一次子集合之间的信息交互操作，若t≠m时，则无需对子集合进行操作，m为G的整数倍，m＜T，令 若t＝m，则进行信息交互操作，具体操作如下：步骤5.1、取1号子集合的粒子—代价集合 以及排序后2号子集合前M个粒子及粒子对应代价值的集合 M∈{1,2,…,N}，且集合中粒子 对应代价值 满足条件 将上述两个集合合并为新的粒子—代价集合步骤5 .2、将集合 粒子的代价值按升序排序，得到集合 即同时集合 中粒子 的代价值 必须满足条件然后，取集合 前N个粒子及粒子相应的代价值组成集合 作为1号子集合m时刻的粒子集合；

步骤5.3、对2号子集合 进行步骤5.1和步骤5.2的类似操作，得到第m代2号子集合的粒子—代价集合 且集合 中每个粒子 的代价值 满足

经过步骤5最终得到1号子集合的粒子—代价集合 2号子集合的粒子—代价集合

7.根据权利要求6所述的一种基于混合概率选择算子的CRPF方法，其特征在于，所述步骤6具体如下：

j

在粒子—代价集合E (j＝1,2)中，分别取t时刻第i个粒子及粒子相应的代价函数值

1 2

若1号子集合E中粒子 的代价函数值 大于2号子集合E中粒子 的代价函数值 即 则选取 进入最终的粒子—代价集合否则选取 进入集合 经过上述操作后，得到进行系统滤波所需的粒子—代价集合

8.根据权利要求7所述的一种基于混合概率选择算子的CRPF方法，其特征在于，所述步骤7具体如下：

参照步骤4中1号子集合的更新方法，对粒子—代价集合 进行更新操作，得到更新后的粒子—代价集合

9.根据权利要求8所述的一种基于混合概率选择算子的CRPF方法，其特征在于，所述步骤8具体如下：

按照步骤2.3中的方法计算由步骤7所得粒子—代价集合E中粒子对应的权值，并进行加权平均处理，最终得到t时刻系统状态的最优估计如下公式(8)中， 即为系统t时刻系统状态的最优估计值，即为整个滤波过程需要求得的最终结果， 为t时刻系统状态的随机估计值， 为随机估计值 对应的权值，t＝1,2,…,T。