多速率马尔科夫跳变系统的序贯融合估计

对带噪声相关的马尔科夫跳变系统，提出了在多传感器多速率均匀采样情形下的序贯融合估计算法。系统中状态均匀更新，不同传感器以状态更新周期的正整数倍进行观测采样，同时不同传感器间的观测噪声不仅同时刻相关，而且与过程噪声相关。根据状态更新点处的传感器观测采样情况，建立状态更新点的单速率状态空间模型。对转化后的单速率马尔科夫跳变系统状态进行扩维，进而将对原系统状态的估计等价地转化为对扩维后状态的估计，在此基础上，提出了在线性最小方差(Lineor minimum variance sense, LMSE)意义下的最优集中式融合估计算法和最优序贯融合估计算法。所提出的序贯融合估计算法通过对传感器观测数据的实时处理，可获得状态的实时融合估值。同时证明了集中式融合估计和序贯融合估计的等价性。仿真实验进一步验证了所提算法的有效性。