最優(yōu)加權(quán)觀測融合狀態(tài)估值器及其應(yīng)用.pdf

1、近年來，隨著計(jì)算機(jī)技術(shù)、通訊技術(shù)的發(fā)展，多傳感器信息融合技術(shù)得到了迅速發(fā)展，并成為當(dāng)前信息處理領(lǐng)域一個(gè)十分活躍的研究熱點(diǎn)。多傳感器信息融合濾波的目的是：基于由每個(gè)傳感器得到的關(guān)于系統(tǒng)狀態(tài)或信號的局部觀測或局部估計(jì)信息，在某種最優(yōu)融合準(zhǔn)則下得到系統(tǒng)狀態(tài)或信號的融合估計(jì)，其精度高于每個(gè)局部估計(jì)精度。 本文應(yīng)用加權(quán)最小二乘(WLS)法，基于Riccati方程，分別對帶相同或不同觀測陣以及相關(guān)觀測噪聲的多傳感器線性離散隨機(jī)系統(tǒng)，提出兩種

2、加權(quán)觀測融合Kalman濾波算法；對帶相同觀測陣、相關(guān)觀測噪聲以及相關(guān)的輸入和觀測噪聲的多傳感器線性離散隨機(jī)系統(tǒng)，提出一種加權(quán)觀測融合Kalman濾波算法；并基于信息濾波器證明了上述加權(quán)觀測融合Kalman濾波算法同集中式觀測融合Kalman濾波算法相比是完全功能等價(jià)的，因而具有全局最優(yōu)性。還提出了相應(yīng)的加權(quán)觀測融合穩(wěn)態(tài)Kalman濾波算法和多傳感器加權(quán)觀測融合狀態(tài)分量解耦Wiener估值算法，它們具有漸近全局最優(yōu)性。給出了它們在ARM