一种用于分散化滤波的融合算法及其在组合导航系统中的应用

提出了一种局部估计相关时的最优融合算法，其特点是加权矩阵是对角阵，即全局估计中的各分量分别是局部估计中相应分量的线性组合，在此融合算法中局部估计是最优的，并且不存在由主滤波器向子滤波器的信息反馈，因此具有较好的客措性。给出了最优加权矩阵的存在性和唯一性的证明，并通过与现有类似融合算法的对比，表明该算法具有计算量小的优点。最后，以组合导航系统为例作了仿真计算，结果表明该融合算法是可行的。     

联邦滤波器理论研究

应用矩阵理论和信息分配原理导出集中卡尔曼滤波、分散化滤波和联邦滤波之间的等价关系，证明联邦滤波器的全局滤波精度和集中卡尔曼滤波的滤波精度相同，并用信号流程图直观清晰地说明联邦滤波比分散化滤波结构更简单，计算量小。提出一种动态最优信息分配系数确定的方法，该方法使联邦滤波局部滤波器的设计也成为最优，并从理论上证明其具有最高的软故障检测灵敏度。     

投资组合风险的分散化研究

风险是金融投资领域的研究热点问题之下一,投资组合是降低投资风险的有效方法之一。人们在做出投资决策时总是追求在一定收益率下风险最小。本文论述了投资组合收益和风险的数学统计方法,阐明风险可分为系统风险和非系统风险,后者可以通过投资组合分散化。本文还探讨了证券相关性和组合风险之间的关系。最后作了实证分析。     

联邦滤波器信息分配系数的优选算法

针对Carlson方法的局限性，提出一种联邦滤波器信息分配系数的优选算法，提高局部滤波器的精度和故障检测灵敏度，并证明其并不影响联邦滤波的全局最优性。以双SINS/GPS组合导航系统为实例，通过仿真验证了该方法的正确性和可行性，同时回答了“对‘联邦滤波器理论研究’一的商榷”所提出的三个问题。     

广义联邦滤波器的全局最优性

基于分散化滤波算法和信息分配原理,建立了广义联邦滤波器设计理论。证明了联邦滤波器当其主滤波器和局部滤波器的维数都相同时,其全局滤波和集中卡尔曼滤波等价,是最优的;同时提出当主滤波器维数和局部滤波器维数不相同时,达到全局滤波最优的解析补偿方法,其附加计算量小,并可作为一种性能指标用于子系统的软故障检测。在组合导航系统中运用此方法对非公共状态信息进行补偿,仿真结果验证了该方法的有效性。