基于现代时间序列分析方法的通用信息融合白噪声估值器

论文摘要

多传感器信息融合是多维信息综合处理的一项新技术,广泛应用于信息获取与处理领域,己成为当前信息领域的一个十分活跃的研究热点。随着科学技术的发展,单一传感器检测技术已不能满足要求,多传感器融合技术应运而生。多传感器融合技术就是对同一检测对象,利用各种传感器检测的信息和不同的处理方法以获得该对象的全面检测信息,从而提高检测精度和可靠性。输入白噪声估计也叫白噪声反卷积,在石油地震勘探领域中有重要的应用背景。对带不同局部模型多传感器线性离散定常随机系统,根据按标量加权最优融合规则,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,提出一种稳态最优信息融合公共输入白噪声反卷积估值器算法。并将现代时间序列分析方法与经典Kalman滤波方法相结合,提出稳态最优信息融合公共输入白噪声稳态反卷积估值器的两种等价算法。它们的精度高于每个局部估值器的精度,且可统一处理融合滤波、预报和平滑问题。为计算最优加权,提出计算局部估计误差互协方差公式。它们可应用于解决带有色观测噪声多传感器系统白噪声反卷积融合估计问题。大量输入白噪声的Monte-Carlo的仿真例子说明了它们的有效性和正确性。

论文目录

• 中文摘要
• Abstract
• 绪论
• 第1章 带不同局部模型的多传感器定常系统信息融合白噪声反卷积估值器
• 1.1 引言
• 1.2 多传感器定常系统局部最优白噪声反卷积估值器
• 1.3 多传感器定常系统最优融合白噪声反卷积估值器
• 1.4 带有色观测噪声的多传感器定常系统白噪声反卷积估计问题
• 1.5 仿真例子
• 1.5.1 仿真例子1
• 1.5.2 仿真例子2
• 1.5.3 仿真例子3
• 1.5.4 仿真例子4
• 1.6 本章小结
• 第2章 带不同局部模型的多传感器定常系统稳态信息融合白噪声反卷积估值器
• 2.1 引言
• 2.2 多传感器定常系统局部最优白噪声反卷积估值器
• 2.2.1 第i 定常传感器子系统局部最优白噪声估值器计算算法一
• 2.2.2 第i 定常传感器子系统局部白噪声估计误差协方差计算算法一
• 2.2.3 第i 定常传感器子系统局部最优白噪声估值器计算算法二
• 2.2.4 第i 定常传感器子系统局部白噪声估计误差协方差计算算法二
• 2.3 多传感器定常系统最优融合白噪声反卷积估值器
• 2.4 带有色观测噪声的多传感器定常系统白噪声反卷积估计问题
• 2.5 仿真例子
• 2.5.1 仿真例子1
• 2.5.2 仿真例子2
• 2.5.3 仿真例子3
• 2.5.4 仿真例子4
• 2.6 本章小结
• 第3章 带 ARMA 有色观测噪声的多传感器定常系统信息融合白噪声反卷积估值器
• 3.1 引言
• 3.2 带有色观测噪声的多传感器定常系统局部最优白噪声反卷积估值器
• 3.3 多传感器定常系统最优融合白噪声反卷积估值器
• 3.4 仿真例子
• 3.4.1 仿真例子1
• 3.4.2 仿真例子2
• 3.4.3 仿真例子3
• 3.4.4 仿真例子4
• 3.5 本章小结
• 结论
• 参考文献
• 致谢
• 攻读硕士学位期间所发表的学术论文