《噪声方差未知时的分布式量化估计融合方法》PDF+DOC

📙 相关资料

1. 《拱坝多传感器振动信号的数据级融合方法》PDF+DOC 针对高拱坝泄洪振动监测中振动传感器测试精度受水流等环境背景噪声及测点位置影响的问题，提出基于坝体结构振动响应方差贡献率的多传感器数据级融合方法，以提高振动数据的测量精度和坝体信息(频率)的完整性。该方法通过定义振动信号的方差贡献率，使振动信号的融合系数在不同时刻均随方差贡献率而动态变化，实现融合权重......
2. 《最优加权与递推最小二乘法相结合的多传感器信息融合》PDF+DOC 为改善多个同类传感器检测目标参数的性能 ，提出了根据各传感器量测数据品质对量测数据加权处理 ，并将加权后的数据作为递推最小二乘法的实时量测值的最优加权与递推最小二乘法相结合的多传感器信息融合方法。仿真结果表明 ，该方法在数据处理的精确性和稳健性方面都优于普通的处理方法。...
3. 《基于扩维贴近度的多传感器一致可靠性融合方法》PDF+DOC 对于先验知识未知的多传感器对某一目标特性进行多次测量的情形，提出一种基于模糊贴近度函数的融合算法。首先视各传感器的测量值为模糊集合，利用最大最小贴近度定义贴近度矩阵，并将前一次的融合值假设为观测值，参与当前次的融合运算，再通过扩维来度量不同时刻传感器测量值间的综合相近程度，然后参照已有的信噪比法定义......
4. 《多传感器系统估计的稳健切比雪夫中心估计融合》PDF+DOC 针对多传感器线性回归模型的参数估计融合问题，在观测噪声是范数有界的情况下，提出了稳健切比雪夫中心估计融合方法。描述参数的可行集合，为线性系统的所有可行解。可行集合的切比雪夫中心是最坏情况下使得估计误差最小的点，可用它作为多传感器系统参数估计的稳健融合。该问题在复数域上的某些情况可以精确求解，但目前的......
5. 《高斯马尔可夫融合算法在卡尔曼滤波中的应用》PDF+DOC 针对目前常用的按标量、对角阵、矩阵加权融合方法过程较复杂，计算负担较重的问题，结合三维目标跟踪模型提出一种高斯马尔可夫融合方法来融合卡尔曼滤波估计值，不需要计算局部稳态滤波误差互协方差，只需要知道传感器的观测噪声方差就可以了。计算方法和操作相对简单，省略了很多繁琐步骤也能达到不错的滤波融合效果，通过......
6. 《基于EM算法的极大似然分布式量化估计融合新方法》PDF+DOC 该文针对水下目标探测中的多传感器分布式量化估计融合问题，建立了分布式量化估计融合模型，在考虑信道噪声且其统计特性不完全已知条件下，充分利用EM算法在观测数据缺失时参数估计的优越性，提出了一种基于期望极大化(EM)算法的极大似然分布式量化估计融合新方法。该方法将未知的水声信道噪声参数以及局部量化器量化......
7. 《基于最小一乘估计的多传感器信息融合方法》PDF+DOC 针对多个传感器对某一特性指标进行测量实验的数据融合问题，从稳健性角度，利用统计理论中的最小一乘估计，提出一种多传感器数据的融合方法。该方法基于自适应加权，以最小化传感器测量数据的绝对偏差为目标函数，通过求解条件极值问题，得到各传感器数据的权数，从而给出融合结果。仿真实例表明方法的有效性和较好的稳健性......
8. 《多传感器跟踪系统自适应Kalman滤波融合》PDF+DOC 多传感器目标跟踪的一个实际问题是如何获得目标的过程噪声信息，以获得较好的跟踪性能。针对多传感器分布式估计融合系统，利用这种自适应技术给出了一种自适应Kalman滤波的融合方法，它具有与中心式相近的跟踪性能。计算机模拟结果表明：这种方法具有较优良的性能。...
9. 《基于信息熵的多传感器数据的融合方法》PDF+DOC 针对多只传感器对某一特性指标进行测量实验的数据融合问题，利用信息理论中的信息熵，提出了一种新的多传感器数据的融合方法。该方法以最小化各传感器测量数据的信息熵之和为目标函数，通过求解极值问题，得到了多传感器数据的融合结果。可以较好地避免受主观因素影响的关系矩阵，充分利用实验数据，防止有效数据的丢失。该......
10. 《多传感器广义系统的加权观测融合Kalman预报器》PDF+DOC 对于带相关观测噪声的多传感器线性离散随机广义系统，应用最小二乘法将各个传感器的观测信息融合为一个新的观测.再采用奇异值分解方法将原广义系统转化为两个互耦的子系统，且融合的观测也转化为其中一个状态分量的观测，从而将问题转化为单传感器常规系统的状态估计问题.对于新的降阶常规子系统，提出了全局最优的加权观......