關(guān)于我們
書單推薦
新書推薦

多傳感器加權(quán)觀測(cè)融合KALMAN濾波理論/冉陳鍵

多傳感器加權(quán)觀測(cè)融合KALMAN濾波理論/冉陳鍵

定  價(jià):39 元

        

  • 作者:
  • 出版時(shí)間:2017/7/1
  • ISBN:9787568600620
  • 出 版 社:黑龍江大學(xué)出版社
  • 中圖法分類:TP212 
  • 頁碼:
  • 紙張:
  • 版次:1
  • 開本:其他
9
7
6
8
0
7
0
5
6
6
2
8
0
針對(duì)目前國內(nèi)外多傳感器信息融合估計(jì)理論的研究現(xiàn)狀,對(duì)于帶已知模型參數(shù)和噪聲統(tǒng)計(jì)的多傳感器系統(tǒng),本書提出了幾種改進(jìn)的*優(yōu)加權(quán)觀測(cè)融合算法,它們可以減少計(jì)算負(fù)擔(dān)。對(duì)于帶未知模型參數(shù)和噪聲統(tǒng)計(jì)的多傳感器系統(tǒng),提出了自校正加權(quán)觀測(cè)融合Kalman估值算法,研究了其收斂性,并提出了它們?cè)谀繕?biāo)跟蹤系統(tǒng)和信號(hào)處理中的仿真應(yīng)用。

本書*主要的工作有如下四個(gè)方面:

**,對(duì)于多傳感器線性隨機(jī)系統(tǒng),基于加權(quán)*小二乘準(zhǔn)則,提出了幾種加權(quán)觀測(cè)融合Kalman估值算法,包括加權(quán)觀測(cè)融合算法、改進(jìn)的加權(quán)觀測(cè)融合算法和基于正交變換的加權(quán)觀測(cè)融合算法。當(dāng)觀測(cè)方程含有公共干擾噪聲,且觀測(cè)噪聲方差和過程噪聲方差都是對(duì)角矩陣時(shí),一種快速的高維矩陣求逆算法被提出。用基于信息矩陣的Kalman濾波器證明所提出的*優(yōu)加權(quán)觀測(cè)融合Kalman估值器都是全局*優(yōu)的。同時(shí)還比較了這幾種新算法完成一次迭代所需要的計(jì)算次數(shù),通過具體的數(shù)據(jù)可以得到所提出的*優(yōu)加權(quán)觀測(cè)融合Kalman估值算法 和集中式觀測(cè)融合Kalman濾波算法相比,能顯著減少計(jì)算負(fù)擔(dān)。

第二,分別針對(duì)帶未知噪聲統(tǒng)計(jì)的多傳感器線性離散系統(tǒng)以及帶未知模型參數(shù)和未知噪聲方差的伴隨型多傳感器線性系統(tǒng),應(yīng)用系統(tǒng)辨識(shí)方法、相關(guān)函數(shù)方法和Gevers-Wouters算法,獲得了未知模型參數(shù)和噪聲方差的局部和融合估值。將所得到的一致性的融合估值代入*優(yōu)加權(quán)觀測(cè)融合Kalman估值算法得到了相應(yīng)的自校正加權(quán)觀測(cè)融合Kalman估值器。它的計(jì)算過程比較簡(jiǎn)單,易于實(shí)時(shí)在線實(shí)現(xiàn)。

第三,經(jīng)典Kalman濾波理論的基礎(chǔ)就是Riccati方程,因此本文的另一個(gè)突破點(diǎn)就是提出了一般的動(dòng)態(tài)方差誤差系統(tǒng)分析方法,并用它證明了自校正Riccati方程的收斂性,其關(guān)鍵部分就是將Riccati方程和自校正Riccati方程的差轉(zhuǎn)化為動(dòng)態(tài)Lyapunov方程,從而將收斂性問題轉(zhuǎn)化為該Lapunov方程解的穩(wěn)定性問題。進(jìn)而,在自校正Riccati方程收斂性的基礎(chǔ)上,應(yīng)用動(dòng)態(tài)誤差系統(tǒng)分析方法證明了所提出的自校正加權(quán)觀測(cè)融合Kalman估值器的收斂性,從而證明了它的漸近全局*優(yōu)性。

第四,將前兩方面的工作應(yīng)用到多傳感器自回歸信號(hào)或自回歸滑動(dòng)平均信號(hào)中可以得到該信號(hào)的*優(yōu)和自校正加權(quán)觀測(cè)融合Kalman信號(hào)估值器。首先對(duì)于帶未知噪聲統(tǒng)計(jì)的多傳感器單通道自回歸(AR)信號(hào),當(dāng)該系統(tǒng)的噪聲統(tǒng)計(jì)未知時(shí),提出了相應(yīng)的自校正加權(quán)觀測(cè)融合Kalman信號(hào)估值器。且對(duì)于帶公共干擾噪聲和傳感器偏差的多傳感器多通道自回歸滑動(dòng)平均(ARMA)信號(hào)系統(tǒng),當(dāng)系統(tǒng)的模型參數(shù)和噪聲統(tǒng)計(jì)都未知時(shí),提出了該信號(hào)的自校正加權(quán)觀測(cè)融合Kalman信號(hào)估值器。
 你還可能感興趣
 我要評(píng)論
您的姓名   驗(yàn)證碼: 圖片看不清?點(diǎn)擊重新得到驗(yàn)證碼
留言內(nèi)容