排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
广义系统多传感器分布式融合降阶Kalman滤波器 总被引:6,自引:0,他引:6
对于带多传感器的广义线性离散随机系统,应用奇异值分解,将其变换为等价的两个降阶多传感器子系统,提出了基于变换后的状态融合器构造原始状态融合器的新的融合方法。应用Kalman滤波方法,在线性最小方差按矩阵加权、按对角阵加权和按标量加权融合准则下,分别提出了三种最优加权融合降阶广义Kalman滤波器。可统一处理融合滤波、平滑和预报问题。可减少计算负担和改善局部滤波精度。证明了三种融合器和局部估值器之间的精度关系。为了计算最优加权。提出了局部滤波误差协方差阵的计算公式。一个Monte Carlo仿真例子说明了其有效性。 相似文献
2.
3.
4.
对于带不确定噪声方差的多传感器单通道自回归滑动平均(ARMA)信号系统,当观测噪声中包含白噪声和一个自回归滑动平均(ARMA)有色观测噪声时,通过增广状态方法把ARMA信号系统模型转化为状态空间模型.应用加权最小二乘法和极大极小鲁棒估计准则,基于带噪声方差保守上界的最坏保守系统,提出了鲁棒加权观测融合稳态Kalman信号预报器.对于噪声方差的所有可能的不确定性,它们的实际预报误差方差保证有相应的最小上界.应用Lyapunov方程方法,证明了局部和加权观测融合稳态Kalman信号预报器的鲁棒性和鲁棒精度关系.通过一个仿真例子验证了所提出理论结果的正确性和有效性. 相似文献
5.
6.
对于带自回归滑动平均(ARMA)有色观测噪声的多传感器广义离散随机线性系统,应用奇异值分解,提出了广义系统多传感器信息融合状态滤波问题.基于Kalman滤波方法,在线性最小方差信息融合准则下,给出了按矩阵加权融合降阶稳态广义Kalman滤波器.为了计算最优加权,提出了局部滤波误差协方差阵的计算公式.一个Monte Carlo仿真例子说明了其有效性. 相似文献
7.
8.
对于一类具有随机参数矩阵、不确定噪声方差、一步随机时滞、丢包和丢失观测的多通道自回归(Autoregressive,AR)信号系统,文章研究其鲁棒稳态Kalman滤波问题.应用状态空间方法,增广方法和虚拟噪声技术,混合不确定AR信号模型被转换为仅带不确定噪声方差和相同过程以及观测噪声的状态空间模型.根据极大极小鲁棒估计原理,基于带不确定噪声方差保守上界的最坏情形系统,提出了鲁棒稳态Kalman一步和多步信号预报器.证明了所提出的信号预报器的鲁棒性,即对于所有容许的不确定性,信号预报器的实际稳态预报误差方差被保证有相应的最小上界.仿真例子验证了所提出方法的正确性和有效性. 相似文献
1