《带有色观测噪声多传感器多重时滞系统分布式融合滤波器》PDF+DOC

📙 相关资料

1. 《带有色观测噪声系统多传感器标量加权最优信息融合稳态Kalman滤波器》PDF+DOC 基于标量加权多传感器线性最小方差最优信息融合准则，对被多传感器观测的带有色观测噪声的离散线性随机控制系统，提出了一种具有两层融合结构的标量加权信息融合稳态Kalman滤波器，它等价于相应的带相关噪声系统的最优信息融合稳态Kalman预报器.最优信息融合稳态预报器可在所有局部预报器达到稳态时，通过一次......
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......
4. 《多传感器时滞系统CI融合滤波算法》PDF+DOC 针对多传感器信息融合时存在的时滞问题，建立了带状态和观测时滞的传感器网络移动目标追踪仿真模型，利用增广矩阵将时滞系统化为非时滞系统，提出了多传感器时滞系统协方差交叉(covariance intersection，CI)融合滤波算法。该方法避免了计算任意2个局部滤波误差互协方差阵，极大地减小了计算量......
5. 《多传感器分布式协方差信息融合Kalman滤波理论》PDF+DOC 对于带多传感器和带相关噪声的线性离散时变随机控制系统，基于按矩阵加权、按对角阵加权和按标量加权的三种最优信息融合规则，提出了相应的三种分布式最优信息融合Kalman估值器，可统一处理融合滤波、预报和平滑问题。为了计算最优加权，提出了计算局部估计误差协方差公式。作为特殊情形，还提出了定常系统的稳态最优......
6. 《两传感器信息融合稳态Kalman滤波器和平滑器》PDF+DOC 应用Kalman滤波方法，基于Riccati方程，对输入噪声和观测噪声相关，且传感器观测噪声相关的两传感器系统，在线性最小方差最优信息融合准则下，提出了按矩阵加权最优信息融合Kalman滤波器和平滑器。为了计算最优加权阵，提出了局部估计误差互协方差阵的计算公式。同单传感器情况相比，可提高融合估计精度......
7. 《多传感器观测滞后系统分布式融合Wiener滤波器》PDF+DOC 应用现代时间序列分析方法，基于ARMA新息模型，对带观测滞后的多传感器系统提出了一种渐近稳定的分布式信息融合Wiener滤波器。将带观测滞后的系统滤波融合问题转化为无观测滞后系统的不同步预报融合问题。给出了观测滞后系统的输出预报器和白噪声估值器。推得了任两个带观测滞后传感器子系统之间的不同步预报误差......
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. 《多传感器最优信息融合白噪声反卷积滤波器》PDF+DOC 应用现代时间序列分析方法和白噪声估计理论，基于线性最小方差意义下按标量加权最优信息融合准则，对于带白色和有色观测噪声的多传感器单通道系统，提出了分布式融合白噪声反卷积滤波器.它由局部白噪声反卷积滤波器加权构成.可统一处理融合滤波、平滑和预报问题.给出了计算局部滤波误差互协方差公式，可用于计算最优加权......
10. 《多传感器ARMA信号加权融合Kalman滤波器》PDF+DOC 对带观测滞后和有色观测噪声的多传感器自回归滑动平均(ARMA)信号，提出一种反卷积加权融合Kalman滤波方法，其特点是将信号滤波问题转换为反卷积估计问题，并将观测滞后嵌入到反卷积模型中。仿真例子说明，按标量加权融合算法的精度高于每个局部滤波器的精度，说明了算法的有效性。...