《多传感器分布式信息融合粒子滤波器》PDF+DOC

📙 相关资料

1. 《一种带随机偏差的分布式信息融合滤波算法》PDF+DOC 在通信、计算机、信号处理、自动控制中，对于带有未知的干扰和偏差的随机系统的状态估计已经广泛出现。在现实环境中，不同的传感器可能受到不同的干扰影响。研究随机系统的状态估计问题在实际应用中具有重要的意义。对带有随机偏差的线性随机系统，将系统转换为多模型结构的特殊情况。利用最小方差的最优加权融合估计算法，......
2. 《具有形状信息的多传感器群目标跟踪算法》PDF+DOC 针对多传感器环境下具有形状信息的扩展/群目标跟踪问题，提出了两种融合算法，即高斯逆韦氏并行PHD滤波算法和高斯逆韦氏序贯PHD滤波算法。新算法分别结合并行滤波和序贯滤波算法思想，能够对扩展/群目标的质心状态进行跟踪，对形状进行有效估计。高斯逆韦氏并行PHD滤波算法将各个传感器产生的量测集合并到一个量......
3. 《多传感器顺序粒子滤波算法》PDF+DOC 粒子滤波是一种基于MonteCarlo仿真的最优回归贝叶斯滤波算法.这种方法不受线性化误差和高斯噪声假定的限制，适用于任何状态转换或测量模型，因此能够很好地解决非线性、非高斯环境下系统的状态估计问题.为了能够有效地解决非线性、非高斯环境中的集中式多传感器状态估计问题，本文研究了多传感器顺序粒子滤波算......
4. 《多传感器分布式信息融合Wiener信号滤波器》PDF+DOC 应用Kalman滤波方法，对于带白色和有色观测噪声单通道ARMA信号，基于Riccati方程，在线性最小方差按标量加权的最优信息融合准则下，提出了多传感器分布式信息融合Wiener信号滤波器。提出了计算局部滤波误差间的互协方差的Lyapunov方程，可用于计算最优加权系数。同单传感器情形相比，可提高......
5. 《多传感器线性最小方差最优信息融合估计准则》PDF+DOC 用Lagrange乘数法和矩阵微分运算 ，分别提出了按矩阵加权、按标量加权和各分量按标量加权的三种线性最小方差信息融合估计准则 ，其中考虑了估计误差之间的相关性 ，推广和发展了现有文献的结果。文中比较了三种融合估计的精度和计算负担 ，可应用于信息融合状态或信号最优估计...
6. 《传感器带未知输入的离散随机线性系统的分布式融合滤波》PDF+DOC 对传感器含未知输入和带相关噪声的离散随机线性系统，在没有未知输入的任何先验信息的情况下，设计了线性最小方差无偏状态滤波器。当系统带有多个传感器时，推得了任两个传感器子系统的滤波误差的互协方差阵。进而基于多传感器线性最小方差标量加权融合算法，给出了标量加权分布式融合状态滤波器。仿真研究验证了其有效性。...
7. 《具有随机时延的多传感器最优标量加权融合估计》PDF+DOC 在实际的计算机系统中，当观测数据通过网络被传送到远程控制器时，时常发生具有随机性的时滞或观测数据丢失现象。针对这一问题，研究了数据传输具有一步随机延迟的多传感器动态系统的融合估计问题。按照标量加权的线性最小方差信息融合准则，对基于每个单传感器得到的局部最优状态估计进行了融合，得到了全局最优状态估计。......
8. 《多传感器时滞系统信息融合最优Kalman滤波器》PDF+DOC 基于线性最小方差最优加权融合估计算法，对多传感器的离散线性状态时滞随机系统.给出了一种非增广分布式加权融合最优Kalman柚滤波器.推导了状态时滞系统任两个传感器子系统之间的滤波误差互协方差阵的计算公式.它与状态增广加权融合滤波器具有相同的精度.与每个传感器的局部滤波器相比，分布式融合滤波器具有更高......
9. 《多传感器分布式融合Kalman预报器》PDF+DOC 应用现代时间序列分析方法，基于ARMA新息模型，在线性最小方差最优信息融合准则下，对于输入噪声与观测噪声相关且观测噪声相关的多传感器系统，分别提出了按矩阵加权、按标量加权和按对角阵加权的3种分布式融合稳态Kalman预报器。其中提出了基于Lyapunov方程的局部预报估值误差方差阵和协方差阵计算公式......
10. 《多模型多传感器标量加权信息融合》PDF+DOC 随着生产系统越来越复杂，多传感器的应用也越来越广泛。本文基于标量加权的线性最小方差最优信息融合算法，针对多模型多传感器离散线性随机系统，给出了一种分布式标量加权信息融合Kalman滤波器。它只需要计算标量加权系数，可减小在融合中心的计算负担，并通过仿真例子验证算法的有效性。...