《自校正解耦融合Kalman滤波器及其收敛性》PDF+DOC

📙 相关资料

1. 《多传感器协同辨识自校正加权观测融合Kalman滤波器》PDF+DOC 对于带未知噪声统计的多传感器系统，利用最小二乘法将观测方程统一处理，形成新的跟踪系统，处理后的观测结果之差可以产生多组新的白噪声序列，利用各组白噪声的相关函数阵解矩阵方程组，可解得各传感器观测噪声方差Ri。通过状态方程和观测方程以及观测噪声估值，利用相关函数，可求得ΓQwΓT的估计，进而得到自校正加......
2. 《自校正信息融合Wiener滤波器及其收敛性》PDF+DOC 对带未知噪声统计的多传感器系统，用求解相关函数矩阵方程组的方法得到噪声统计在线估值器，并提出了自校正Lyapunov方程。用现代时间序列分析方法，基于滑动平均(MA)新息模型的辨识，在按分量标量加权线性最小方差最优信息融合准则下，提出了自校正分量解耦融合Wiener滤波器，并用动态误差系统分析(DE......
3. 《基于Riccati方程的自校正解耦融合Kalman滤波器》PDF+DOC 对于带未知噪声方差的多传感器系统，用相关方法给出了噪声方差的在线估值器，进而基于Riccati方程和按分量标量加权最优融合规则，提出了自校正分量解耦信息融合Kalman滤波器.用动态误差系统分析方法证明了自校正融合Kalman滤波器按实现收敛于最优融合Kalman滤波器，因而具有渐近最优性.一个3传......
4. 《自校正标量加权信息融合Kalman滤波器》PDF+DOC 对含未知噪声统计的多传感器系统，用现代时间序列分析方法，基于自回归滑动平均(ARMA)新息模型的在线辨识和求解相关函数矩阵方程组，可在线估计噪声统计，进而在按标量加权线性最小方差最优信息融合准则下，提出了自校正标量加权信息融合Kalman滤波器。它具有渐近最优性，且比每个局部自校正Kalman滤波器......
5. 《快速信息融合Kalman滤波器》PDF+DOC 应用现代时间序列分析方法，在标量加权线性最小方差融合准则下，提出一种多传感器快速信息融合稳态Kalman滤波器.基于ARMA新息模型计算稳态Kalman滤波器增益，提出了计算传感器之间的滤波误差方差阵和协方差阵的Lyapunov方程，它可用迭代法求解，并证明了迭代解的指数收敛性.与基于Riccati......
6. 《基于Kalman滤波的自回归滑动平均信号信息融合Wiener滤波器》PDF+DOC 应用Kalman滤波方法，在按矩阵加权线性最小方差最优信息融合规则下，提出了带白色观测噪声的多通道ARMA信号的多传感器信息融合Wiener滤波器.它可统一处理信息融合滤波、平滑和预报问题.为了计算最优加权阵，提出了计算局部滤波误差互协方差阵的公式.同单传感器情形相比，可提高估计精度.一个带三传感器......
7. 《两传感器按对角阵加权信息融合稳态Kalman滤波器》PDF+DOC 应用现代时间序列分析方法，在按对角阵加权线性最小方差最优信息融合准则下，基于Riccati方程，提出两传感器信息融合稳态最优Kalman滤波器.与按矩阵加权最优融合.Kalman滤波器相比，可减少计算负担，与单传感器情形相比，提高了滤波精度.一个仿真例子说明其有效性。...
8. 《自校正解耦融合Kalman预报器及其收敛性》PDF+DOC 对于带有未知模型参数和噪声方差的多传感器系统，通过系统辨识方法，得到模型参数和噪声方差的信息融合估计，将其代入到最优分量按标量加权融合Kalman预报器中，得到自校正信息融合Kalman预报器，实现了状态分量的解耦。通过动态误差系统分析(DESA)方法严格证明了提出的自校正Kalman预报器按一个实......
9. 《自校正解耦融合Wiener状态预报器》PDF+DOC 对含未知模型参数和噪声统计的多传感器单输入单输出系统，用现代时间序列分析方法，基于自回归滑动平均(ARMA)新息模型的在线辨识，可得到未知模型参数和噪声统计估值器，进而在按状态分量标量加权线性最小方差最优信息融合准则下，提出了自校正分量解耦信息融合Wiener状态预报器。它实现了自校正分量解耦局部W......
10. 《广义离散系统多传感器信息融合Kalman滤波器》PDF+DOC 考虑了广义离散随机线性系统的多传感器信息融合状态估计问题.在广义系统无脉冲的假设条件下，通过等价变换将其转化为正常系统.应用经典Kalman滤波方法，在线性最小方差信息融合准则下，提出了按矩阵加权的广义系统多传感器信息融合稳态Kalman状态滤波器.仿真结果说明了算法的有效性。...