《多传感器分布式融合Kalman预报器》PDF+DOC

📙 相关资料

1. 《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......
2. 《多传感器按对角阵加权信息融合Kalman滤波器》PDF+DOC 在按对角阵加权线性最小方差最优信息融合准则下，提出了多传感器按对角阵加权信息融合稳态Kalman滤波器，它等价于关于状态分量的按标量加权信息融合Kalman滤波器，与按矩阵加权信息融合Kalman滤波器相比，可明显减小计算负担，便于实时直用。一个雷达跟踪的仿真例子说明了其有效性。...
3. 《带有色观测噪声的广义系统Kalman滤波器》PDF+DOC 对于带多传感器的广义线性离散随机系统，应用奇异值分解，并通过对观测方程的状态变换，将带有色观测噪声的系统变换为等价的带相关噪声的两个降阶多传感器子系统。应用Kalman滤波方法，在线性最小方差按块对角阵加权融合准则下，提出了按矩阵加权融合降阶广义Kalman滤波器，可减少计算负担和改善局部滤波精度。......
4. 《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......
5. 《带位置和速度观测的信息融合Kalman跟踪滤波器》PDF+DOC 应用基于ARMA模型的现代时间序列分析方法，和应用基于Riccati方程的经典Kalman滤波方法，对带位置和速度观测的两传感器系统，在线性最小方差信息融合准则下，分别提出了按矩阵加权、对角阵加权和标量加权的三种信息融合Kalman跟踪滤波器，其中，按标量加权可明显减少计算负担，便于实时应用。一个仿......
6. 《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...
7. 《带有色观测噪声的广义系统Kalman滤波器》PDF+DOC 对于带自回归滑动平均(ARMA)有色观测噪声的多传感器为广义离散随机线性系统，应用奇异值分解，将其变换为等价的两个降阶多传感器子系统，提出了广义系统多传感器信息融合状态滤波问题。为了提高精度，采用Kalman滤波方法，在线性最小方差按块对角阵最优加权融合准则下，给出了按矩阵加权解耦的分布式Kalma......
8. 《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 基于新息分析方法，对带有色观测噪声的多重时滞系统，提出了一种带自噪声估值器的非增广的最优滤波器.它等价于一个带相关白噪声多重时滞系统的一步预报器.当系统带有多个传感器时，推导了多重时滞系统的任意两个传感器子系统之间的估计误差互协方差阵.基于线性最小方差最优加权融合估计算法，给出了分布式加权融合最优滤......
9. 《无序量测下的多传感器观测噪声融合估计》PDF+DOC 本文采用直接更新法，给出了噪声相关情况下的各局部传感器观测噪声更新估计算法；给出了观测噪声线性最小方差意义下的最优对角阵加权融合更新估计算法。...
10. 《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。...