不確定系統(tǒng)保性能魯棒融合Kalman濾波.pdf

1、多傳感器信息融合是一門新興的多學科交叉的邊緣學科，目的是如何組合局部觀測或局部狀態(tài)估值器得到一個全局的融合的狀態(tài)估值器，它的精度高于每個局部狀態(tài)估值器的精度?；镜娜诤戏椒ㄓ袃煞N:集中式和分布式融合方法。Kalman濾波是多傳感器信息融合的基本工具，但它要求多傳感器系統(tǒng)的模型參數(shù)和噪聲方差是精確己知的。然而，由于模型簡化、建模誤差、未建模動態(tài)、隨機干擾等因素，在許多應用問題中，模型參數(shù)和噪聲方差是不確定的。隨著網(wǎng)絡技術及傳感器技術的快速

2、發(fā)展，網(wǎng)絡化系統(tǒng)的狀態(tài)估計問題是一個新的研究方向。但由于網(wǎng)絡的通信帶寬有限，傳感器故障，以及各種外部隨機擾動，使得網(wǎng)絡化系統(tǒng)存在諸多的不確定性，主要包括:丟包、丟失觀測、乘性噪聲、隨機滯后觀測等。為克服這些不確定性帶來的濾波器性能變壞甚至發(fā)散，不確定系統(tǒng)魯棒融合Kalman濾波的研究成為熱點。
　　本文對不確定多傳感器系統(tǒng)，根據(jù)極大極小魯棒估計原理，基于最壞情形保守系統(tǒng)設計最小方差估值器，研究保性能魯棒融合Kalman濾波問題。所

3、謂保性能魯棒Kalman濾波器是指設計一個濾波器使其對所有容許的不確定性，它相應的精度偏差被保證有最大下界和最小上界，或精度偏差被保證不超過預置的指標范圍。主要工作如下:
　　首先，對帶不確定噪聲方差的線性離散定常多傳感器系統(tǒng)，基于極大極小魯棒估計原理和噪聲方差擾動的參數(shù)化表示方法，應用Lyapunov方程方法，分別設計了兩類保性能魯棒融合Kalman濾波器和預報器，包括保性能魯棒加權觀測融合預報器，保性能魯棒按矩陣加權融合濾波器

4、以及統(tǒng)一形式下的保性能魯棒集中式和加權觀測融合濾波器。第一類是對預先指定的精度偏差指標，構建一個不確定噪聲方差的最大擾動域，使對此域中的所有噪聲方差擾動，相應的精度偏差均保持在預置的指標范圍內(nèi)。第二類是已給噪聲方差的有界擾動域，在該域上尋找估值器精度偏差的最小上界和最大下界。本文提出分別用Lagrange乘數(shù)法和線性規(guī)劃方法給出這兩類問題的解析解。
　　其次，對帶不確定噪聲方差和丟失觀測的線性離散定常多傳感器系統(tǒng)，應用虛擬噪聲技術

5、，將原始系統(tǒng)轉(zhuǎn)化為僅帶不確定噪聲方差系統(tǒng)，基于極大極小魯棒估計原理和噪聲方差擾動的參數(shù)化表示方法，應用Lyapunov方程方法，分別設計了兩類保性能魯棒融合Kalman估值器，包括保性能魯棒加權觀測融合Kalman估值器（濾波器、預報器和平滑器），以及保性能魯棒集中式融合Kalman預報器。
　　最后，對帶不確定噪聲方差、乘性噪聲和有色觀測噪聲的線性離散定常多傳感器系統(tǒng)，應用增廣狀態(tài)方法，使用虛擬噪聲技術，將原始系統(tǒng)轉(zhuǎn)化為僅帶不確