卡尔曼滤波过程的稳定性研究

卡尔曼滤波器的稳定性并不能保证实际的滤波器算法具有收敛性,而传统的关于滤波发散的判定方法是基于量测不能出现野值这一严格的假设条件,具有一定局限性;并且通常关于滤波发散只是一种定性的描述,具有一定模糊性。为此,考虑到量测可能出现野值的情况,从滤波发散的具体数学形式出发,提出了卡尔曼滤波过程的稳定性概念,在此基础上给出了滤波发散的判定定理,既消除了通常关于滤波发散描述的模糊性,又降低了通常判定方法的要求。     

故障条件下的联邦滤波鲁棒信息分配方法研究

研究了某个子系统发生传感器故障时,信息分配对无故障子系统的鲁棒性影响问题。基于提高无故障子系统的抗故障污染能力考虑,从使故障影响极小化出发提出了一种鲁棒信息分配思想。对于仅由双子滤波器组成的联邦滤波结构,给出了一种基于故障检测函数的自适应信息分配方法。从概率的角度,根据这种方法可使其他无故障子滤波器具有较强的抗干扰能力。对于具有主滤波器的联邦滤波结构,给出了一种给定故障衰减系数条件下的鲁棒信息分配系数设计方法。理论分析表明,该方法可使其他无故障子滤波器对故障具有很强的抗干扰能力,从而有利于提高联邦滤波器的快速重构能力。仿真说明本文思想是可行的。     

基于多传感器信息融合的目标识别

在多传感器 (雷达和红外 )信息融合的目标识别中 ,不仅需要对点目标进行识别 ,而且也需要对面目标进行识别。由于传感器提供点目标和面目标的信息特征和信息量不同 ,致使信息融合的方法也不相同。针对这种情况 ,提出用基于智能规则推理的方法来进行点目标识别 ,用多传感器构成的联合特征向量的方法来进行面目标识别。仿真实验表明 ,采用这种方法能有效地提高目标识别的准确度     

基于滤波过程的卡尔曼滤波发散判定方法

分析了传统的基于单步量测的新息序列不等式判据等方法进行卡尔曼滤波发散判断的局限性,根据卡尔曼滤波过程的稳定性定义,采用矩阵序列极限形式给出了基于滤波过程的更加严格的滤波发散判据以及判断滤波发散的实际算法。根据4个判定条件,不但可以判断滤波过程是否发散,而且可以在很大程度上克服不等式判据的缺陷。该方法是基于整个滤波过程而不是基于单步量测,避免了原方法对量测野值比较敏感的缺点,提高了判断的抗野值能力,有利于减少误判风险以及提高判断的可靠性和准确性。仿真结果表明,结论是正确和有效的。