《通信受限下网络化多传感器系统序贯卡尔曼滤波加权融合》PDF+DOC

📙 相关资料

1. 《通信受限下网络化多传感器系统的Kalman融合估计》PDF+DOC 研究了一类通信受限下网络化多传感器系统的Kalman融合估计问题，其中通信受限是指系统在一个采样周期内只允许有限个传感器与融合中心通信.首先，提出了一种周期性分组传输的通信策略，并将每组传感器所对应的局部估计系统描述成一个离散周期子系统模型.其次，每个子系统根据最新测量信息的更新时刻，选择相应的Ka......
2. 《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...
3. 《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......
4. 《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。...
5. 《基于多MEMS传感器组合姿态解算仿真研究》PDF+DOC 针对传统单组MEMS传感器在姿态解算中所面临精度低、稳定性差等问题，提出一种基于多MEMS传感器组合姿态解算方法。载体坐标系各轴采用4组传感器，两两对角安装，将组合传感器测量数据与四元数估计数据做向量积，通过两组模糊和两组PI算法进行组合调节，利用互补滤波进行数据信息融合，通过自适应扩展卡尔曼滤波对......
6. 《基于扩展信息滤波的跟踪传感器选择算法》PDF+DOC 针对目标跟踪时传感器系统资源有限问题，提出一种传感器组合自适应选择算法。从接收回波信号模型出发，建立基于扩展卡尔曼滤波的信息融合模型；通过设置期望协方差得到对应的期望信息增益，将各传感器的信息增益与期望信息增益进行比较；依次选择最优(即最接近期望信息增益)传感器组合对目标进行跟踪，直至满足跟踪精度要......
7. 《信息融合稳态最优Kalman平滑器》PDF+DOC 应用Kalman滤波方法 ，基于Riccati方程 ，在线性最小方差最优融合准则下 ，提出了按矩阵加权的两传感器最优融合稳态Kalman平滑器 ，给出了最优加权阵和最小融合误差方差阵。同单传感器Kalman平滑器相比 ，可提高平滑精度。一个雷达跟踪系统的仿真例子证明了其有效性...
8. 《反馈式多目标多传感器系统误差融合估计技术》PDF+DOC 本文对多目标情况下的多传感器系统误差估计问题进行了研究，提出了反馈式多目标多传感器系统误差融合估计算法。算法首先对EX算法进行了修正，无需计算各目标状态估计及其增益伪逆，直接利用各传感器量测数据来构建伪量测，通过滤波获得局部传感器组合系统误差估计；其次，算法通过构建状态空间转移矩阵实现了全局估计到局......
9. 《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。...
10. 《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......