多传感器时滞系统信息融合及其仿真

论文摘要

多传感器信息融合技术是通过多类同构或异构传感器数据进行综合获得比单一传感器更多的信息,形成比单一信源更可靠、更完全的融合信息。它突破单一传感器信息表达的局限性,避免了单一传感器的信息盲区,提高了多源信息处理结果的质量,有利于对事物的判断和决策。信息融合技术包括的范围很广,而状态估计信息融合是其中一个重要的领域。状态估计的方法很多,包括经典Kalman滤波方法、Wiener滤波方法等,其中Kalman滤波成为近几十年来估计理论的主要工具。虽然Kalman滤波应用已经非常广泛,但是Kalman滤波只能处理标准的无时滞系统,不适用时滞系统。随着网络技术的发展,时滞系统越来越受到关注,而对于线性系统时滞问题的融合估计控制等问题的研究仍相对较少,特别是在多时滞多系统、不确定性系统等领域仍然存在很多问题需要进一步研究。本课题研究了噪声已知的多传感器线性时滞观测系统的信息融合滤波问题。经典标准Kalman滤波已经不再适用,基于新息重组（Re-organization of Innovation）理论和按标量加权最优信息融合准则,提出了一种新的信息融合Kalman滤波方法。将带有时滞的观测数据重新组合成为来自不同观测系统的无时滞的观测数据,对重组后的观测数据定义新息序列,从而将时滞系统的问题转化为非时滞系统来解决。对于噪声统计未知的离散时滞系统的信息融合问题,通过引入Krein空间,将噪声统计未知的离散时滞系统的H∞估计问题转化为Krein空间中H2估计问题,利用新息重组技术和射影理论对子系统的估计器给出一种简单有效的解,避免了现有的线性矩阵不等式解的保守性和只能给出充分条件解的缺点,矩阵加权提高了系统的精度。另外基于新息重组理论,研究了多信道时滞系统线性融合估计方法。通过重组时滞观测给出一种统一的观测方程,然后利用Kalman滤波给出估计器。最后,根据信息融合加权理论对给出的各种系统信息融合估计器进行融合,给出了融合算法,并通过Matlab仿真,给出仿真图像。仿真结果验证了本文提出算法的可行性。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 信息融合简介
• 1.2 信息融合的发展状况
• 1.3 信息融合的主要研究内容
• 1.4 信息融合现状、问题及发展方向
• 1.5 本论文的研究目的及主要所做工作
• 2 离散时滞系统最优信息融合Kalman滤波
• 2.1 引言
• 2.2 问题描述
• 2.3 主要结论
• 2.4 数例仿真
• 2.5 小结
• ∞信息融合滤波'>3 离散时滞系统H_∞信息融合滤波
• 3.1 引言
• 3.2 问题描述
• 3.3 主要结论
• 3.4 数例仿真
• 3.5 小结
• 4 多通道离散时滞系统线性融合估计
• 4.1 引言
• 4.2 问题描述
• 4.3 主要结论
• 4.4 数例仿真
• 4.5 小结
• 5 总结与展望
• 5.1 本文工作总结
• 5.2 本文的创新点
• 5.3 下一步研究展望
• 致谢
• 研究生期间发表论文情况
• 参考文献