多傳感器加權(quán)融合濾波新方法研究.pdf

1、隨著計(jì)算機(jī)、通信、控制和微電子等技術(shù)的迅猛發(fā)展，我們迫切地需要對(duì)來自不同信息源及傳感器的信息進(jìn)行更加有效的集成以應(yīng)對(duì)不斷涌現(xiàn)的、具有重要應(yīng)用背景的各類多傳感器系統(tǒng)。因此，作為一個(gè)前沿性的、前景廣闊的研究領(lǐng)域，多傳感器信息融合技術(shù)受到了人們的普遍關(guān)注，在軍事及民事應(yīng)用領(lǐng)域都得到了較大的發(fā)展。作為多傳感器信息融合的一個(gè)重要分支，多傳感器信息融合估計(jì)理論的目的是利用多傳感器的觀測數(shù)據(jù)獲得比基于單傳感器更加精確的狀態(tài)或信號(hào)估計(jì)，它是多傳感器信息

2、融合技術(shù)與狀態(tài)估計(jì)相結(jié)合的產(chǎn)物。
　　 本文以現(xiàn)代時(shí)間序列分析方法為指導(dǎo)，基于自回歸滑動(dòng)平均(ARMA)新息模型，深入研究了多傳感器加權(quán)融合濾波問題。主要做了以下幾方面的工作:
　　 首先，當(dāng)多傳感器系統(tǒng)的模型參數(shù)和噪聲統(tǒng)計(jì)全部或部分未知時(shí)，利用遞推輔助變量(RIV)算法、遞推增廣最小二乘(RELS)算法、偏差補(bǔ)償遞推最小二乘(BCRLS)算法、帶死區(qū)的Gevers-Wouters算法和相關(guān)函數(shù)法，提出了未知模型參數(shù)和未

3、知噪聲統(tǒng)計(jì)信息的多段信息融合辨識(shí)算法，從而獲得未知模型參數(shù)和未知噪聲方差的信息融合在線估值器。信息融合估值器是基于各傳感器得到的局部估值器的算術(shù)平均，雖然其精度不是各局部估值器中精度的最高值，但因其可以削弱發(fā)生故障的或精度較低的傳感器帶來的影響，故可信度較高。且本文從理論上證明了信息融合估值器的按概率1收斂性。
　　 其次，對(duì)模型參數(shù)和噪聲統(tǒng)計(jì)全部或部分未知的多傳感器系統(tǒng)，本文提出了相應(yīng)的自校正加權(quán)狀態(tài)融合Kalman/Wien

4、er濾波器。獲得自校正加權(quán)狀態(tài)融合Kalman/Wiener濾波器的方法是將未知模型參數(shù)和噪聲統(tǒng)計(jì)的在線信息融合估值器代替已有最優(yōu)局部及加權(quán)狀態(tài)融合濾波器中的真實(shí)值。隨后以動(dòng)態(tài)誤差系統(tǒng)分析(DESA)方法為手段，嚴(yán)格證明了所提出的自校正加權(quán)融合器的漸近最優(yōu)性，即自校正加權(quán)融合器按實(shí)現(xiàn)收斂于相應(yīng)的最優(yōu)加權(quán)融合器。
　　 最后，對(duì)于帶白色噪聲或帶有色噪聲的多傳感器系統(tǒng)以及帶白色噪聲和觀測滯后的兩傳感器系統(tǒng)，當(dāng)局部濾波誤差互協(xié)方差未知