基于LMI的多传感器H∞融合滤波器设计

在实际多传感器数据融合系统中,往往过程噪声及测量噪声统计特性未知,但能量有限。此时一些在已知精确系统模型与噪声统计特性情况下保持优良融合性能的方法,不仅无法保持良好性能,甚至会出现崩溃情况。H∞融合滤波方法可以有效地解决此类多传感器融合系统的滤波问题,但存在求解困难问题。基于LMI给出并证明了H∞融合滤波器的解,给出了数值仿真实例。结果表明提出的方法可以解决过程噪声及测量噪声统计特性未知,但能量有限情况下的多传感器数据融合问题。     

基于网络控制系统的H∞鲁棒控制

针对控制器与执行器均为事件驱动、传感器为时间驱动、时延不确定且不大于一个采样周期的网络控制系统,建立了其在单包传输下的离散模型。基于Lyapunov函数和线性矩阵不等式(LMI)方法,分析了闭环系统的鲁棒稳定性,导出了闭环系统渐近稳定且满足给定H_∞性能指标的充分条件。通过仿真算例,证明了分析方法和结果的有效性。     

基于扩展LMI的鲁棒H2和H∞滤波

研究凸多面体不确定连续系统的鲁棒H2和H∞滤波问题。借助于线性矩阵不等式(LMI)技术,提出了扩展的连续系统H2和H∞性能准则。基于该性能准则,推导出新的鲁棒H2和H∞滤波器存在的充分条件,并将滤波器设计问题转化为一个具有LMI约束的拟凸优化问题。仿真结果表明,与现有方法相比,所提方法具有较低的保守性。     

不确定线性描述系统的鲁棒H∞滤波器

研究了一类含有参数不确定性和未知扰动的线性描述系统的鲁棒H_∞滤波器设计问题。在容许、可观测的假设下,基于描述系统的有界实引理给出了鲁棒H_∞滤波器存在的充分条件。将滤波器存在条件转化为线性矩阵不等式的形式,可以利用线性矩阵不等式方法求解。推导了滤波器参数的等效形式,简化了滤波器系数矩阵的计算过程。最后,通过数值算例说明了所提出的方法的性能。     

一类时滞线性参数变化系统的H∞控制

研究一类时滞线性参数变化(LPV)系统的H_∞控制问题,采用基于仿射参数的Lyapunov函数提出了稳定性能分析和控制器设计的充分条件.同时应用投影定理,借助附加矩阵解除了参数的Lyapunov函数矩阵与系统矩阵的耦合,得到以线性矩阵不等式(LMI)形式表示的条件.并且通过多凸技术把得到的无限维线性矩阵不等式转换为有限维线性矩阵不等式,从而使问题可以求解.数值仿真表明,性能得到满足同时也证明了方法的可行性.     

具有稳定度约束的随机系统H∞滤波器设计

系统的暂态速率与系统的极点位置有关,怎样在保证系统快速收敛的前提下进行滤波器的设计是一个值得研究的问题.将H∞滤波器的设计问题与系统的收敛速度相结合,讨论一类具有稳定度约束条件的连续时间随机线性系统的鲁棒H∞滤波器设计,并利用线性矩阵不等式组(LMIs)给出该类滤波器存在的充分必要条件,最后,通过一个仿真实例来验证我们所得结果的正确性.     

基于LMI的滑翔式飞行器鲁棒H∞时滞控制

滑翔式飞行器是一类存在参数不确定性和外部扰动的非线性系统,研究了该类对象的鲁棒H_∞控制问题。采用对原系统方程部分线性化的方法,得到滑翔式飞行器的状态空间描述形式。在系统中的非线性部分满足Lipschitz条件约束下,考虑舵机特性等引起的时滞,利用Lyapunov稳定性理论,得到了系统鲁H_∞控制器存在的充分条件。通过求解线性矩阵不等式(linear matrix inequality, LMI)的可行解问题,得到H_∞控制器的参数化表达式。仿真结果表明,当存在参数不确定以及外部扰动时,系统能够保持较强的鲁棒稳定性,同时设计的控制器对干扰有较好的抑制作用。     

基于H∞滤波的智能车辆多传感器组合导航研究

为适应自主驾驶智能车辆的高精度、高频率及高可靠性与鲁棒性的导航要求,对智能车辆的多传感器组合导航进行了研究。提出了一种基于H∞滤波的双向光电测速仪和CP-DGPS共同辅助SINS的智能车辆冗余组合导航方法。详细推导并建立了组合系统的滤波模型。仿真结果表明,该组合导航系统具有100Hz的高频输出、厘米级的导航精度以及良好的鲁棒性能与可靠性。即使系统特性发生了显著的变化,组合系统仍能为智能车辆提供可靠的导航信息。     

参数不确定的非线性随机时滞系统的H∞滤波

研究了一类带有参数不确定性的非线性随机时滞系统的鲁棒H∞滤波问题.假设参数不确定性是范数有界的并且系统的动态方程是由伊藤微分方程所描述的.对所有容许的参数不确定性以及外界干扰,构造一个线性、无时滞、不确定性及独立的状态滤波器,使滤波误差动态系统是指数均值稳定并且独立于时滞的.针对单时滞系统和多时滞系统两种情况,基于线性矩阵不等式(LMI)方法给出了保证鲁棒H∞滤波存在的充分性条件.最后,数值仿真结果很好地说明了该方法的有效性.     

基于LMI的直升机鲁棒飞行控制及仿真研究

研究了直升机在低速飞行时的鲁棒飞行控制器设计及直升机飞行控制系统的仿真验证问题,以ADS－33D水平1操纵品质要求为设计目标,通过选择适当的加权函数矩阵,采用基于线性不矩阵等式（LMI）的H∞控制器设计方法,设计了UH－60A直升机在低速飞行时的鲁棒控制器。仿真结果表明,所设计的直升升机飞控制的系统具有鲁棒性,达到给定的ADS－33D水平1操纵品质要求。     

Region-based multisensor image fusion method

1 .INTRODUCTIONI mage fusion can be defined as the process by whichseveral i mages , or some of their feature , are com-binedtogether to formdifferent modalities or instru-ments. It is of great i mportance in many applica-tions ,such as object detection, ATR(automatic tar-get recognition) , remote sensing, computer visionand robotics .There are various techniques for i mage fusion.The selection of the appropriate one depends stronglyon the type of application. Asi mple approach for fu-si…     

多传感器异步融合技术研究

多传感器信息融合理论大都是在无系统偏差和量测同步的理想条件下给出的,而实际的工程背景却并非如此。因此,在实际的工程实践中发现融合的效果并不理想,有的甚至不如融合前的效果好。为解决这一问题,研究了系统偏差条件下的多传感器异步融合问题。针对不同的工程背景,提出了两种异步融合算法：异步卡尔曼滤波（asynchronous Kalman filter, ASKF)算法和扩展异步卡尔曼滤波（generalized asynchronous Kalman filter, GASKF）算法。仿真表明,两种算法实现了异步量测条件下目标状态和系统偏差的有效跟踪。     

一种改进的多传感器粒子PHD滤波近似算法

概率假设密度（probability hypothesis density, PHD）滤波是一种有效的多目标跟踪算法。传统的PHD滤波只适用于单传感器,多传感器PHD滤波虽然理论上可行,但计算复杂度过高,实际中只能对其进行近似处理。迭代更新近似算法虽然简单易行,但滤波结果与参与更新的传感器顺序有很大关系,而乘积形式的多传感器PHD滤波近似算法由于存在缩放比例失衡问题,无法应用于工程实际。针对以上问题,提出了一种改进算法,先采用乘积形式计算联合似然,再采用求和形式计算缩放比例。仿真结果表明,该算法能够有效解决缩放比例失衡问题,在滤波性能和目标数估计方面均优于传统的迭代更新近似算法,具有良好的工程应用前景。     

刚体变换下基于轮廓的多传感器图像配准算法

提出了一种基于轮廓的多传感器图像配准算法,输入图像之间的几何变换假设为刚体变换。该配准算法的特点是根据匹配轮廓对的质心和长轴计算配准参数,克服了传统的基于特征的图像配准算法控制点检测与匹配的问题,算法鲁棒性较高。首先提取输入图像中的明显轮廓,然后对提取的轮廓进行匹配,并将其中匹配的开轮廓对转化为闭合轮廓对,然后根据所有闭合轮廓对的质心和长轴估计配准参数。实验结果表明,所提算法能精确解决输入图像之间仅存在旋转和平移情况时的图像配准问题。     

Research on Kalman-filter based multisensor data fusion

Multisensor data fusion has played a significant role in diverse areas ranging from local robot guidance to global military theatre defense etc.Various multisensor data fusion methods have been extensively investigated by researchers,of which Klaman filtering is one of the most important.Kalman filtering is the best-known recursive least mean-square algorithm to optimally estimate the unknown.states of a dynamic system,which has found widespread application in many areas.The scope of the work is restricted to investigate the various data fusion and track fusion techniques based on the Kalman Filter methods.then a new method of state fusion is proposed.Finally the simulation results demonstrate the effectiveness of the introduced method.     

一种多传感器数据时空融合估计算法

当采用分布在不同空间位置上的多传感器观测值对测量噪声干扰下的参数进行融合估计时,数据融合存在时间性与空间性。为了提高测量精度,基于参数估计理论,提出一种多传感器数据时空融合算法。该算法将数据融合分解为两次估计,第一次是基于时间的递推融合估计,第二次是基于空间的自适应加权融合估计。该算法不要求知道测量数据的任何先验概率分布知识,编程简单,计算量小。计算机仿真表明,该算法在减少测量误差方面优于目前已有的基于时间或基于空间的多传感器数据融合算法。     

多源图像实时配准融合系统

多源图像配准融合方法的理论研究较多,已有的融合系统往往针对特定应用通用性差,并且不具备实时性,而具有并行分布式计算机体系结构的通用实时图像融合系统有望解决这一问题。该系统的核心是基于标准总线上实时操作系统,以ADSP并行完成多源图像实时配准和融合,CPLD实现总线和视频同步控制。具有运算能力强、I/O带宽大、可扩展性和通用性强的特点,并以此构成了高速实时融合系统。实用表明此方案是可行的。     

修正并行式多传感器不敏多假设跟踪算法

为了有效解决非线性系统中的多传感器多目标跟踪问题,提出了一种修正并行式多传感器不敏多假设滤波算法。算法运用概率数据互联的思想对各传感器的估计量进行概率加权,克服了并行式多传感器算法的误差积累现象,得到了一种修正的多传感器并行式算法。各传感器中量测点迹与航迹的数据互联问题通过多假设方法予以解决,并通过不敏卡尔曼滤波器完成非线性系统中的目标跟踪。仿真结果表明,从跟踪精度及稳定性方面看,所提出的算法性能要优于MSJPDA/EKF算法。     

基于不完全观测数据的多速率多传感器数据融合

研究了一类时变线性动态系统,在不同传感器以不同采样率对同一目标进行观测,并且各个传感器的观测数据存在不规律丢失情况下,给出了一种有效的信息融合方法。该方法通过数学推导,将多速率传感器数据融合转化为单速率传感器数据融合问题,并采用修正的联邦Kalman滤波器进行状态估计。新算法不需要对状态或观测进行扩维,计算量适当,从而保证了算法的实时性。在观测数据丢失的时刻,采用外推的观测值代替错误的观测数据,从而避免了传统算法的发散。理论分析和仿真实验验证了算法的有效性。