基于Kalman滤波方法的多传感器信息融合最优白噪声反卷积滤波器

应用Kalman滤波方法和白噪声估计理论,在线性最小方差按矩阵加权最优信息融合准则下,提出了多传感器信息融合稳态最优白噪声反卷积滤波器,其中给出了局部滤波误差之间的协方差公式,它被用于计算最优融合加权阵.同单传感器情形相比,可提高滤波精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernoulli-Gaussian白噪声反卷积滤波器的仿真例子说明了其有效性.     

带有色观测噪声多传感器信息融合稳态Kalman跟踪滤波器

针对带有色观测噪声的目标跟踪系统,分别用基于ARMA新息模型和基于R iccati方程的两种方法,在线性最小方差信息融合准则下,提出了多传感器按矩阵加权、对角阵加权和标量加权的三种信息融合稳态Kalman跟踪滤波器.仿真说明了三种加权滤波器的误差的差别不明显,但按标量加权滤波器显著地减少了计算负担,便于实时应用,且验证了两种方法所得结果相同.应注意在构造ARMA新息模型时,必须进行多项式矩阵的左素分解,才能得到正确的ARMA新息模型.     

多传感器信息融合白噪声去卷Wiener滤波器和平滑器

应用现代时间序列分析方法和白噪声估计理论,在线性最小方差最优信息融合准则下,提出了多传感器最优信息融合白噪声去卷W iener滤波器和平滑器,其中给出了局部滤波误差之间的协方差公式,它可被用于计算最优融合加权系数.同单传感器情形相比,可提高融合估值器精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernoulli-Gaussian白噪声去卷滤波器的仿真例子说明了其有效性.     

按三种不同加权准则的信息融合Kalman滤波器的性能比较

用Kalman滤波方法,在三种不同的线性最小方差最优融合准则下分别提出两传感器按矩阵加权,按对角阵加权和按标量加权的信息融合稳态Kalman滤波器.它们可以处理带相关的输入和观测噪声和带相关的观测噪声系统.一个目标跟踪系统的仿真例子说明了它们的有效性.仿真结果表明,同按矩阵加权和按对角阵加权融合滤波器相比,按标量加权融合滤波器的精度没有明显损失,但却显著地减小了计算负担,构成一种快速信息融合估计算法,适合实际应用.     

分布式信息融合Wiener反卷积平滑器

应用现代时间序列分析方法,基于ARMA新息模型和增广的状态空间模型,提出了按标量加权多传感器最优信息融合Wiener反卷积平滑器,给出了局部平滑器误差方差和互协方差的计算公式,它们可被用于计算最优加权系数。同单传感器情形相比,可提高融合平滑器的精度。一个仿真例子说明其有效性。     

信息融合Wiener信号滤波器

利用现代时间序列分析方法,基于ARMA新息模型和增广的状态空间模型,提出了两传感器最优信息融合WIENER信号滤波器,给出了计算局部滤波器误差方差和局部滤波器之间协方差的计算公式,它们可被用于计算最优加权系数．同单传感器情形相比,可提高滤波器的精度．一个仿真例子说明其有效性．     

两传感器按对角阵加权信息融合稳态Kalman滤波器

应用现代时间序列分析方法,在按对角阵加权线性最小方差最优信息融合准则下,基于Riccati方程,提出两传感器信息融合稳态最优Kalman滤波器.与按矩阵加权最优融合.Kalman滤波器相比,可减少计算负担,与单传感器情形相比,提高了滤波精度.一个仿真例子说明其有效性.     

两传感器最优观测融合解耦Wiener状态估值器

基于观测数据融合功能等价性原理,利用加权方法合并两传感器系统的各传感器的观测方程为一个最优融合观测方程,可得到全局最优稳态Kalman滤波器,进而可得到等价的解耦W iener状态估值器.可统一处理滤波、预报和平滑问题.且它可减小计算负担,便于实时应用.一个目标跟踪系统的仿真例子说明其有效性.     

信息融合超前k步稳态最优Kalman预报器和Wiener预报器

应用Kalman滤波方法,基于Riccati方程,在线性最小方差信息融合准则下,提出了两传感器信息融合超前k步稳态最优Kalman预报器和Wiener预报器,给出了最优加权阵和最小融合误差方差阵.同单传感器情形相比,可提高预报精度.一个雷达跟踪系统的仿真例子说明了其有效性.     

一种基于联邦Kalman滤波结构的自适应信息融合方法

鉴于联邦Kalman滤波是一种能在复杂信息融合系统中进行目标状态估计的有效方法．介绍了联邦Kalman滤波器的原理和结构，提出了一种基于联邦Kalman滤波结构的自适应多传感器信息融合算法．仿真结果表明，该算法能有效提高信息融合系统的精度和容错性．具有较高的实用价值．     

应用联邦自适应UKF的卫星多传感器数据融合

在卫星自主导航系统中,一方面,系统状态模型存在难以准确建模的问题,要求信息融合算法具有一定的自适应性;另一方面,系统的量测模型通常具有较强的非线性,又要求信息融合算法在强非线性下保持较高的精度和鲁棒性. 针对以上两个问题,本文提出了基于星敏感器、红外地平仪、磁强计、雷达高度计、紫外敏感器的多信息联邦自适应UKF组合导航方案,该方案将多个导航传感器提供的信息在联邦滤波器里融合,并采用自适应UKF算法构建联邦滤波器的子滤波器. 采用这种方案,可有效组织并充分利用导航传感器提供的导航信息,并且系统模型具有一定的自适应性. 数字仿真结果表明,与传统的联邦卡尔曼滤波方法相比,该方法更适合于非线性较强、系统模型参数不准确的场合,有效提高了导航精度.     

跨音速大气/惯性攻角两步融合算法

攻角是飞机飞行的重要状态参数,也是飞控及导航系统必需的参数,现代战机对攻角精度要求越来越高.大气数据系统在跨音速条件下性能严重下降,大气攻角精度受到很大影响. 针对试验机大气数据传感器的配置特点,该文设计了一种基于变参数互补滤波器与神经网络的跨音速大气/惯性攻角两步融合算法,实现惯导系统和大气系统的攻角信息融合. 首先进行跨音速惯导天向回路解算,而后利用互补滤波器与神经网络对大气/惯性攻角进行互补融合与修正,使最终的融合修正攻角平稳、可靠,逼近真实攻角. 本文利用某型飞机的实际试飞数据对两步融合算法进行了验证. 结果表明,融合修正后的攻角能够基本去除跨音速飞行阶段原始大气攻角的剧烈波动,并与真实攻角吻合.     

带有一步随机滞后和不连续丢包离散系统的最优滤波

研究了带有一步随机滞后和不连续丢包离散随机线性系统的线性估计问题.通过一个满足Ber-noulli分布的随机变量来描述这种可能的滞后和丢包现象.基于所建立的新模型,利用射影理论提出了一个在线性最小方差意义下的递推的最优线性滤波器.并给出了稳态线性滤波器存在的一个充分条件.当不存在随机滞后和丢包时,所提出的滤波器退化为标...     

广义离散系统降阶Wiener滤波、平滑和预报

应用现代时间序列分析方法,基于Kalman滤波和白噪声估计理论,对于广义离散随机线性系统的一种典范型,提出降阶Wiener状态估值器,可统一处理滤波、平滑和预报问题,并且能减少计算负担,便于实时应用.一个仿真例子说明其有效性.     

网络控制系统的随机输出反馈控制

给出了网络控制系统在不完全状态信息时系统状态的线性最优估计器；讨论了网络控制系统在输出反馈情况下随机最优控制器的设计；并证明了该最优输出反馈控制律可使网络控制系统均方指数稳定．最后以网络控制下的釜式反应器为对象进行了仿真研究，仿真结果表明了该法的正确性和有效性．