時(shí)滯系統(tǒng)的分布式融合濾波.pdf

1、由于元器件的老化、靈敏度不夠以及信息傳遞的延遲等原因使得系統(tǒng)普遍存在著滯后現(xiàn)象。時(shí)滯系統(tǒng)的狀態(tài)估計(jì)問題廣泛應(yīng)用于信號(hào)處理、控制和網(wǎng)絡(luò)系統(tǒng)中。時(shí)滯系統(tǒng)狀態(tài)估計(jì)的研究對(duì)于人們對(duì)時(shí)滯系統(tǒng)進(jìn)行有效地控制具有重要意義。本文研究時(shí)滯系統(tǒng)分布式最優(yōu)加權(quán)信息融合估計(jì)問題，包括觀測(cè)帶時(shí)滯、狀態(tài)帶時(shí)滯以及狀態(tài)和觀測(cè)均帶時(shí)滯的隨機(jī)離散系統(tǒng)的分布式最優(yōu)加權(quán)信息融合估計(jì)問題。 基于現(xiàn)代時(shí)間序列分析方法，研究帶相關(guān)噪聲的多傳感器觀測(cè)滯后隨機(jī)系統(tǒng)的分布式融合

2、濾波問題。通過模型轉(zhuǎn)換將觀測(cè)滯后系統(tǒng)轉(zhuǎn)化為無觀測(cè)滯后的等價(jià)系統(tǒng)，給出了基于單傳感器觀測(cè)的輸出預(yù)報(bào)器、白噪聲估值器和狀態(tài)濾波器。推導(dǎo)了任兩個(gè)局部估計(jì)之間的不同步預(yù)報(bào)誤差互協(xié)方差陣的計(jì)算公式。并基于分布式最優(yōu)加權(quán)融合估計(jì)算法，對(duì)帶多個(gè)傳感器的觀測(cè)滯后系統(tǒng)給出了分布式加權(quán)融合Wiener濾波器。 基于Kalman趾濾波方法，對(duì)帶相關(guān)噪聲的多傳感器多重時(shí)滯系統(tǒng)，給出了一種非增廣的分布式加權(quán)融合最優(yōu)估值器。推得了基于任兩個(gè)傳感器的局部估計(jì)

3、之間的估計(jì)誤差互協(xié)方差陣。對(duì)于狀態(tài)觀測(cè)均帶多重時(shí)滯系統(tǒng)，通過兩種方法得到分布式加權(quán)融合最優(yōu)估值器。方法一是直接對(duì)帶相關(guān)噪聲系統(tǒng)應(yīng)用射影理論進(jìn)行設(shè)計(jì)。方法二是將帶相關(guān)噪聲的多重時(shí)滯系統(tǒng)轉(zhuǎn)化為帶不相關(guān)噪聲的多重時(shí)滯系統(tǒng)，進(jìn)而得到分布式加權(quán)融合最優(yōu)估值器。避免了噪聲相關(guān)所帶來的理論推導(dǎo)上的復(fù)雜性。與基于單傳感器的局部估計(jì)相比，分布式融合估計(jì)具有更高的精度。與增廣的集中式最優(yōu)濾波器相比，雖然精度有所降低，但它由于具有并行結(jié)構(gòu)而有更好的可靠性，且

4、避免了增廣所帶來的在融合中心的高維計(jì)算和大的空間存儲(chǔ)。并且將非增廣方法與增廣方法以及分布式方法與集中式方法的計(jì)算量和性能做了比較。 基于Kalman濾波方法，應(yīng)用兩種方法對(duì)帶有色觀測(cè)噪聲的多重時(shí)滯系統(tǒng)，提出了非增廣的分布式加權(quán)融合最優(yōu)估值器。方法一將帶有色觀測(cè)噪聲的多重時(shí)滯隨機(jī)系統(tǒng)的濾波問題轉(zhuǎn)化為帶相關(guān)白噪聲的多重時(shí)滯隨機(jī)系統(tǒng)的預(yù)報(bào)問題。方法二將帶有色觀測(cè)噪聲的多重時(shí)滯隨機(jī)系統(tǒng)轉(zhuǎn)化為帶不相關(guān)白噪聲的多重時(shí)滯隨機(jī)系統(tǒng)，所得帶不相關(guān)