带不同局部模型系统Wiener状态融合器及其应用

论文摘要

多传感器信息融合也称多传感器数据融合,是指对来自多个传感器的数据进行多方面和多层次的处理,从而产生新的有意义的信息,而这种新信息是任何单一传感器所无法获得的。它避免了单一传感器的局限性,可以获得更多信息,得出更准确、可靠的结论。信息融合技术涉及到数学、军事科学、计算机科学、自动控制理论、人工智能、通信技术、管理科学等多种学科的交叉和具体运用。它充分的利用了多源数据的互补性和电子计算机的高速运算性能,有效地提高了信息处理的质量。对带不同局部模型多传感器线性离散定常随机系统,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,及将现代时间序列分析方法与经典Kalman滤波方法相结合,提出了两类局部Wiener状态估值器。对每类局部状态估值器,根据按矩阵加权、按对角阵加权和按标量加权三种最优融合规则,提出了系统公共状态的三种最优加权融合Wiener状态估值器。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。它们可用于解决带ARMA有色观测噪声系统状态融合滤波问题。利用增广状态空间方法,将待估信号看作子系统的公共状态,提出了带白色和有色观测噪声多传感器ARMA信号Wiener估值器和Wiener反卷积估值器。在跟踪系统中的大量Monte-Carlo仿真例子和数值Monte-Carlo仿真例子说明了本文提出结果的有效性。

论文目录

• 中文摘要
• Abstract
• 绪论
• 1.课题背景
• 2.国内外发展概况
• 3.多传感器信息融合的优势
• 4.多传感器信息融合的应用范围
• 5.多传感器信息融合相关工作
• 6.本文主要研究内容
• 第1章 带不同局部模型系统 Wiener 状态融合器（Ⅰ）
• 1.1 引言
• 1.2 问题提出
• 1.3 多传感器信息融合Wiener 状态估值器
• 1.3.1 局部Wiener 状态估值器
• 1.3.2 最优加权融合Wiener 状态估值器
• 1.4 带有色观测噪声多传感器Wiener 状态融合器
• 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
• 1.6 本章小结
• 第2章 带不同局部模型系统Wiener 状态融合器（Ⅱ）
• 2.1 引言
• 2.2 问题提出
• 2.3 ARMA 新息模型（ARMA innovation model）
• 2.4 局部最优Wiener 估值器
• 2.4.1 局部最优Wiener 滤波器
• 2.4.2 局部最优Wiener 一步预报器
• 2.4.3 局部最优Wiener 状态平滑器
• 2.4.4 局部最优Wiener 状态超前N 步预报器
• 2.5 最优加权融合Wiener 状态估值器
• 2.6 带有色观测噪声多传感器Wiener 状态融合器
• 2.7 仿真例子
• 2.7.1 仿真例子1
• 2.7.2 仿真例子2
• 2.7.3 仿真例子3
• 2.8 本章小结
• 第3章 应用信号Wiener 融合器
• 3.1 引言
• 3.2 多传感器单通道系统 Wiener 信号融合器
• 3.2.1 信息融合ARMA 信号Wiener 预报器
• 3.2.2 信息融合ARMA 信号Wiener 滤波器和平滑器
• 3.3 多传感器多通道系统Wiener 信号融合器
• 3.4 多传感器信息融合Wiener 反卷积估值器
• 3.4.1 问题提出
• 3.4.2 多传感器单通道系统Wiener 反卷积估值器
• 3.5 仿真例子
• 3.5.1 仿真例子1
• 3.5.2 仿真例子2
• 3.5.3 仿真例子3
• 3.6 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