《离散随机奇异系统的最优融合全阶状态估值器》PDF+DOC

📙 相关资料

1. 《有丢包的随机不确定参数系统的最优融合滤波》PDF+DOC 研究了有数据丢包的带随机不确定参数的多传感器系统的分布式最优(线性最小方差)融合滤波问题。首先，引入虚拟噪声，将原系统转化为等价的参数确定的有丢包的新系统。然后，进行状态扩维，得到新系统的各子系统的扩维状态的滤波估计、滤波误差方差和滤波误差互协方差。根据扩维状态与原系统状态的关系，求出原系统状态的各......
2. 《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。...
3. 《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......
4. 《多传感器信息融合ARMA信号Wiener滤波器》PDF+DOC 应用现代时间序列分析方法，基于自回归滑动平均(autoregressive moving average，ARMA)新息模型和增广的状态空间模型，在线性最小方差按标量加权最优融合规则下，对带白色和有色观测噪声的单通道ARMA信号，提出了多传感器最优分布式融合Wiener滤波器。给出了计算局部滤波器误......
5. 《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。...
6. 《多传感器单通道信息融合Wiener滤波器》PDF+DOC 应用现代时间序列分析方法，对于带白色观测噪声的单通道ARMA信号，基于ARMA新息模型，提出了多传感器线性最小方差最优信息融合Wiener滤波器，可统一处理滤波、平滑和预报问题。同单传感器情形相比，可提高滤波精度、算法简单、便于实时应用。一个跟踪系统的仿真例子说明了其有效性。...
7. 《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...
8. 《ARMA信号自校正信息融合Wiener滤波器》PDF+DOC 对于带多传感器的含有未知模型参数和噪声统计的ARMA信号，应用现代时间序列分析方法，基于ARMA新息模型的在线辨识，提出了多传感器自校正信息融合Wiener滤波器。它具有渐近最优性，且可统一处理滤波、平滑和预报问题。一个跟踪系统的仿真例子说明了其有效性。...
9. 《多传感器时滞系统数据丢失时滤波融合算法》PDF+DOC 实际的工程项目中经常涉及到多传感器时滞系统，数据在传输中不仅存在着过程、测量噪声的干扰，还出现了丢失现象。为了获得准确的状态信息，需要研究测量数据发生随机丢失的多传感器时滞的信息融合问题。基于矩阵加权线性最小方差融合算法，对存在数据随机丢失的多传感器线性定常离散时滞系统，给出了一种增广分布式最优信息......
10. 《多传感器分布式融合白噪声反卷积滤波器》PDF+DOC 基于Kalman滤波方法和白噪声估计理论，在按矩阵加权线性最小方差最优融合准则下，提出了带ARMA有色观测噪声系统的多传感器分布式融合白噪声反卷积滤波器，其中推导出用Lyapunov方程计算最优加权的局部估计误差互协方差公式。与单传感器情形相比，可提高融合估值器精度。它可应用于石油地震勘探信号处理。......