廣義系統(tǒng)信息融合Wiener狀態(tài)估值器.pdf

1、近年來，廣義系統(tǒng)狀態(tài)估計問題由于它在電網(wǎng)絡(luò)、經(jīng)濟系統(tǒng)、機器人、航空航天等領(lǐng)域有廣泛的應(yīng)用背景，因而引起人們的極大關(guān)注。非廣義系統(tǒng)信息融合濾波在許多領(lǐng)域已獲得了廣泛的應(yīng)用。但是，廣義系統(tǒng)多傳感器信息融合狀態(tài)估計問題是一個尚未解決的問題。本文對帶多傳感器的廣義線性離散定常隨機系統(tǒng)，用五種不同方法分別將廣義系統(tǒng)狀態(tài)方程化為統(tǒng)一的不同形式的非遞推表達式，它們由輸入白噪聲、觀測白噪聲和觀測的線性組合構(gòu)成，從而將廣義系統(tǒng)狀態(tài)估計問題化為白噪聲估計和

2、觀測預(yù)報問題。應(yīng)用現(xiàn)代時間序列分析方法，基于自回歸滑動平均(ARMA)新息模型和白噪聲估計理論，在線性最小方差按矩陣加權(quán)、按對角陣加權(quán)和按標量加權(quán)三種最優(yōu)信息融合準則下，分別提出了加權(quán)融合Wiener狀態(tài)估值器，可統(tǒng)一處理融合濾波、預(yù)報和平滑問題，可處理非因果廣義系統(tǒng)。為了計算最優(yōu)加權(quán)，基于新息過程，輸入白噪聲和觀測白噪聲之間的互協(xié)方差，提出了局部估計誤差互協(xié)方差陣的計算公式。按矩陣加權(quán)融合器的精度高于按標量加權(quán)融合器的精度，而按對角陣