广义系统信息融合Wiener状态估值器

论文摘要

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、航空航天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,用五种不同方法分别将广义系统状态方程化为统一的不同形式的非递推表达式,它们由输入白噪声、观测白噪声和观测的线性组合构成,从而将广义系统状态估计问题化为白噪声估计和观测预报问题。应用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型和白噪声估计理论,在线性最小方差按矩阵加权、按对角阵加权和按标量加权三种最优信息融合准则下,分别提出了加权融合Wiener状态估值器,可统一处理融合滤波、预报和平滑问题,可处理非因果广义系统。为了计算最优加权,基于新息过程,输入白噪声和观测白噪声之间的互协方差,提出了局部估计误差互协方差阵的计算公式。按矩阵加权融合器的精度高于按标量加权融合器的精度,而按对角阵加权融合器的精度在它们两者之间,且融合器的精度高于每个局部状态估值器的精度。大量Monte Carlo数值仿真例子说明所提出的融合器的有效性和正确性。

论文目录

• 中文摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.1.1 广义系统的结构特征和应用背景
• 1.1.2 多传感器信息融合技术应用背景
• 1.2 国内外发展概况
• 1.2.1 广义系统状态估计国内外发展概况
• 1.2.2 信息融合技术国内外发展概况
• 1.3 主要研究内容
• 1.4 本文结构
• 第2章 广义系统新息模型和白噪声估值器
• 2.1 引言
• 2.2 多传感器广义系统
• 2.3 多传感器广义系统的新息模型
• 2.4 多传感器广义系统的白噪声估计理论
• 2.5 多传感器广义系统的输出最优预报器
• 第3章 广义系统信息融合Wiener 状态估值器（一）
• 3.1 引言
• 3.2 广义系统单传感器Wiener 估值器
• 3.2.1 新的状态表达式
• 3.2.2 广义系统单传感器状态估值器
• 3.2.3 稳态误差方差阵和协方差阵的计算
• 3.3 广义系统加权融合Wiener 估值器
• 3.4 仿真例子
• 3.4.1 仿真例子1
• 3.4.2 仿真例子2
• 3.5 本章小结
• 第4章 广义系统信息融合Wiener 状态估值器（二）
• 4.1 引言
• 4.2 广义系统单传感器Wiener 估值器
• 4.2.1 新的状态表达式
• 4.2.2 广义系统单传感器状态估值器
• 4.2.3 稳态误差方差阵和协方差阵的计算
• 4.3 广义系统加权融合Wiener 估值器
• 4.4 仿真例子
• 4.4.1 仿真例子1
• 4.4.2 仿真例子2
• 4.5 本章小结
• 第5章 广义系统信息融合Wiener 状态估值器（三）
• 5.1 引言
• 5.2 广义系统单传感器Wiener 估值器
• 5.2.1 新的状态表达式
• 5.2.2 广义系统单传感器状态估值器
• 5.2.3 稳态误差方差阵和协方差阵的计算
• 5.3 广义系统加权融合Wiener 估值器
• 5.4 仿真例子
• 5.4.1 仿真例1
• 5.4.2 仿真例子2
• 5.5 本章小结
• 第6章 广义系统信息融合Wiener 状态估值器（四）
• 6.1 引言
• 6.2 广义系统单传感器Wiener 估值器
• 6.2.1 新的状态表达式
• 6.2.2 广义系统单传感器状态估值器
• 6.2.3 稳态误差方差阵和协方差阵的计算
• 6.3 广义系统加权融合Wiener 估值器
• 6.4 仿真例子
• 6.4.1 仿真例子1
• 6.4.2 仿真例子2
• 6.5 本章小结
• 第7章 广义系统信息融合Wiener 状态估值器（五）
• 7.1 引言
• 7.2 广义系统单传感器Wiener 估值器
• 7.2.1 新的状态表达式
• 7.2.2 广义系统单传感器状态估值器
• 7.2.3 稳态误差方差阵和协方差阵的计算
• 7.3 广义系统加权融合Wiener 估值器
• 7.4 仿真例子
• 7.4.1 仿真例子1
• 7.4.2 仿真例子2
• 7.5 本章小结
• 结论
• 参考文献
• 致谢
• 攻读学位期间发表论文