分享到:

多传感器最优信息融合稳态Kalman滤波器

用Lagrange乘数法给出了按矩阵加权线性最小方差最优融合估计公式新的推导。在此基础上提出了多传感器最优信息融合稳态Kalman滤  (本文共6页) 阅读全文>>

黑龙江大学
黑龙江大学

广义系统降阶信息融合状态估值器

对于带多传感器的广义线性离散定常随机系统,基于奇异值分解,应用线性变换,可将广义系统化为两种典范型,其中每种典范型由两个非广义子系统组成。对于原始状态、变换后状态和子系统状态分别提出了三种不同的加权融合方法。而每种融合方法分别通过按矩阵加权、按标量加权和按对角阵加权三种线性最小方差最优信息融合准则实现。应用经典Kalman滤波方法和白噪声估计理论,在三种不同的加权融合方法下,分别提出了广义系统在两种典范型下的降阶信息融合时变和稳态Kalman估值器,它们可统一处理融合滤波、预报和平滑问题,为了计算最优加权,提出了局部估值误差方差阵和协方差阵的计算公式。对每种加权融合方法,证明了带矩阵权的Kalman融合器的精度高于带标量权的Kalman融合器的精度,而带对角阵权的Kalman融合器的精度位于前两者之间,且每种融合器精度都高于局部估值器精度。大量的Monte Carlo数值仿真例子说明了其有效性和正确性,且说明了带不同类权的融合估...  (本文共361页) 本文目录 | 阅读全文>>

黑龙江大学
黑龙江大学

最优和自校正多传感器观测融合滤波方法和算法研究

随着计算机技术、通信技术、微电子技术、精密机械制造技术以及控制技术的飞速发展,各种面向复杂应用背景的多传感器系统大量涌现。在多传感器系统中,由于信息表现出形式多样、数量巨大、关系复杂以及要求处理及时、准确和可靠等特征,为了提高信息的综合处理能力,一门由信息学科、控制学科等交叉、综合、拓展而产生的新兴学科——多传感器信息融合应运而生。多传感器信息融合估计是多传感器信息融合的一个重要分支,其目的是如何利用多传感器提供的观测数据对系统状态或信号给出比基于单传感器更精确的估计,广泛应用于目标跟踪、军事、航天、制导、GPS定位、机器人等高技术领域,具有重要理论和应用意义。本课题来源于国家自然科学基金项目“多传感器信息融合最优和自校正滤波新理论和新方法”(60374026)和“自校正信息融合滤波理论及其应用研究”(60874063)。本文基于现代时间序列分析方法,以理论分析为主,以计算机仿真示例为辅,对多传感器线性随机系统的最优加权观测融合...  (本文共318页) 本文目录 | 阅读全文>>

黑龙江大学
黑龙江大学

广义系统降阶状态融合器

近年来,广义系统状态估计问题由于它在电网络、经济系统、机器人等领域有广泛的应用背景,因而引起人们的极大关注。非广义系统信息融合Kalman滤波在许多领域已获得了广泛的应用。但是,广义系统多传感器信息融合状态估计问题是一个尚未解决的问题。本文对带多传感器的广义线性离散定常随机系统,基于奇异值分解,应用线性变换,可将广义系统化为两种典范型,其中每种典范型由两个非广义子系统组成。应用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型、白噪声估计理论,基于原始状态、变换后状态和子系统状态分别提出了三种加权融合方法。而每种融合方法分别通过按矩阵加权、按对角阵加权和按标量加权三种线性最小方差最优融合准则实现,进而提出了广义系统在两种典范型下的降阶信息融合稳态Kalman估值器的设计方法,可统一处理滤波、预报和平滑问题;并给出了相应的信息融合Kalman估值器;在对角阵加权融合准则下提出了广义系统信息融合稳态解耦Wiener状态估值...  (本文共283页) 本文目录 | 阅读全文>>

黑龙江大学
黑龙江大学

基于现代时间序列的多传感器信息融合Kalman滤波器与Wiener滤波器

应用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型,在线性最小方差最优信息融合准则下,对于带相关输入噪声和观测噪声和带相关的观测噪声的多传感器系统,提出了按矩阵加权、按标量加权和按对角阵加权的三种分布式融合稳态Kalman滤波器、预报器和平滑器,其中提出了局部滤波、预报和平滑估值误差方差阵和协方差阵的Lyapunov方程和计算公式,它们被用于计算最优加权,也提出了相应的三种分布式融合Wiener状念估值器。且对于带白色和有色观测噪声的单通道ARMA信号,基于ARMA模型到状态空间模型的变换,用增广状念方法提出了多传感器分布式最优信息融合Wiener滤波器、预报器和平滑器、同时提出了多传感器分布式最优信息融合Wiener反卷积滤波器、预报器和平滑器。本文提出的方法避免了求解Riccati方程和Diophantine方程,减小在线计算负担。同单传感器情形相比,可提高估计的精度。大量的仿真例子说明了算法有效性。  (本文共234页) 本文目录 | 阅读全文>>

黑龙江大学
黑龙江大学

自校正分布式信息融合状态估值器及其应用

本文对带未知噪声统计的多传感器线性离散定常随机系统,用现代时间序列分析方法,基于ARMA新息模型的在线辨识和求解相关函数矩阵方程组,得到了噪声统计估值器。应用按矩阵加权、按对角阵加权和按标量加权三种最优信息融合准则,提出了三种自校正融合Kalman估值器。在按标量加权融合准则和按对角阵加权融合准则下,分别提出了状态分量自校正解耦信息融合Wiener估值器。它们可统一处理自校正状态融合滤波、平滑和预报问题。证明了自校正融合Kalman估值器和Wiener估值器的收敛性(渐近最优性),即假如ARMA新息模型参数估计是一致的,则自校正融合估值器按实现收敛于最优融合估值器。大量跟踪系统仿真例子说明了其正确性和有效性。  (本文共417页) 本文目录 | 阅读全文>>