带不同局部动态模型的时变系统Kalman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。对于带不同局部动态模型多传感器和带相关噪声的线性离散时变随机控制系统，应用Kalman滤波方法，基于Riccati方程，在线性最小方差最优信息融合准则下，依据按矩阵加权、对角阵加权、标量加权三种最优融合准则，提出了系统公共状态的三种最优加权融合Kalman估值器，可统一处理融合滤波、预报和平滑问题。为了计算最优加权，提出计算局部估计误差互协方差公式。它们可用于信号融合滤波。用增广状态方法，将待估信号看成子系统公共状态，提出带白色和有色观测噪声多传感器时变ARMA信号信息融合估值器，并解决了在稳态情况下相应的信息融合问题。并提出了多传感器时变ARMA信号信息融合反卷积估值器。在跟踪系统中的大量Monte-Carlo仿真例子或数值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
• 第1章 带不同局部动态模型时变系统最优kalman融合器
• 1.1 引言
• 1.2 多传感器时变系统局部最优Kalman估值器及协方差计算
• 1.2.1 多传感器时变系统局部最优Kalman预报器
• 1.2.2 多传感器时变系统局部最优Kalman滤波器
• 1.2.3 多传感器时变系统局部最优Kalman平滑器
• 1.3 特殊情况下的多传感器时变系统局部最优Kalman估值器及协方差计算
• 1.4 最优加权融合Kalman估值器
• 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
• 1.5.4 仿真例子4
• 1.5.5 仿真例子5
• 1.5.6 仿真例子6
• 1.6 本章小结
• 第2章 带不同局部模型定常系统稳态Kalman融合器
• 2.1 引言
• 2.2 多传感器定常系统局部稳态Kalman估值器及协方差计算
• 2.2.1 多传感器定常系统局部稳态Kalman预报器
• 2.2.2 多传感器定常系统局部稳态Kalman滤波器
• 2.2.3 多传感器定常系统局部稳态Kalman平滑器
• 2.3 特殊情况下的多传感器定常系统局部稳态Kalman估值器及协方差计算
• 2.4 多传感器定常系统局部稳态Wiener估值器
• 2.5 稳态最优加权Kalman估值器
• 2.6 仿真例子
• 2.6.1 仿真例子1
• 2.6.2 仿真例子2
• 2.6.3 仿真例子3
• 2.6.4 仿真例子4
• 2.7 本章小结
• 第3章 带白色和有色观测噪声时变ARMA信号信息融合估值器
• 3.1 引言
• 3.2 信息融合最优信号估值器
• 3.3 信息融合稳态最优Wiener信号估值器
• 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
• 3.4.5 仿真例子5
• 3.4.6 仿真例子6
• 3.5 本章小结
• 第4章 应用于时变ARKIA信号反卷积估值器
• 4.1 引言
• 4.2 信息融合最优反卷积估值器
• 4.3 仿真例子
• 4.3.1 仿真例子1
• 4.3.2 仿真例子2
• 4.3.3 仿真例子3
• 4.3.4 仿真例子4
• 4.4 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