作者：陈建国,冉陈键 单位：中国科学院数学与系统科学研究院 出版：《》 页数：12页  （PDF与DOC格式可能不同） PDF编号：PDFSTYS2013120040 DOC编号：DOCSTYS2013120049 下载格式：PDF + Word/doc 文字可复制、可编辑

    • 对于带相关观测噪声的多传感器线性离散随机广义系统，应用最小二乘法将各个传感器的观测信息融合为一个新的观测.再采用奇异值分解方法将原广义系统转化为两个互耦的子系统，且融合的观测也转化为其中一个状态分量的观测，从而将问题转化为单传感器常规系统的状态估计问题.对于新的降阶常规子系统，提出了全局最优的加权观测融合Kalman预报器及其预报误差方差阵.通过该方法所得广义系统的加权观测融合Kalman预报器的精度比基于状态融合的Kalman预报器的精度高，也高于局部Kalman预报器的精度，且克服了在状态融合方法中要求计算各个局部预报器的估计误差互协方差的局限性.一个多传感器广义系统的数值仿真例子说明其有效性。

    📙 相关资料

    1. 《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。......
    2. 《基于KALMAN滤波的两种多传感器观测融合方法》PDF+DOC 目前有两种基于K a lm an滤波的多传感器观测融合方法，方法1是将观测向量的维数增加，获得扩展观测向量。方法2是在最小均方误差准则下，对不同传感器间的观测向量进行加权运算，获得与单个传感器相同维数的观测向量。通过对滤波器的状态估计误差协方差的分析和相关数学表达式，给出了两种方法的对比。仿真结果表......
    3. 《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......
    4. 《带有色观测噪声的广义系统信息融合Kalman平滑器》PDF+DOC 对于被多传感器观测的带有色观测噪声的广义离散线性随机系统，应用奇异值分解，并通过对观测方程的状态变换，将其变换为带相关噪声的2个降阶多传感器子系统；应用Kalman滤波方法，在线性最小方差加权融合准则下，给出按块对角阵标量加权融合降阶广义Kalman平滑器.MonteCarlo仿真结果表明该方法的有......
    5. 《相关观测融合Kalman估值器及其全局最优性》PDF+DOC 对于带相关观测噪声和带不同观测阵的多传感器线性离散时变随机控制系统，用加权最小二乘法(WLS)提出了两种加权观测融合Kalman估值器，它们包括状态滤波、状态预报和状态平滑.基于信息滤波器形式下的Kalman滤波器，证明了在相同初值下，它们在数值上恒等于相应的集中式观测融合Kalman估值器，因而具......
    6. 《两传感器广义系统信息融合Kalman滤波器》PDF+DOC 基于矩阵理论和时域上的Kalman滤波理论，针对两传感器广义离散随机线性系统进行研究，运用矩阵约当分解，将一类广义系统化为正常系统，并利用标量加权准则下的最优信息融合Kalman滤波理论，给出一类两传感器广义系统Kalman信息融合滤波器，同单传感器情形相比，可大大提高滤波精度，具有实际应用价值。...
    7. 《多级式多传感器信息融合中的状态估计》PDF+DOC 本文研究多级式传感器监视系统中的状态估计技术．基于单传感器Ｋａｌｍａｎ滤波方程，两级集中和分布估计解，本文提出多坐标系中多级式多传感器跟踪系统的三层集中估计方法．在不同笛卡尔坐标系中，本文提出了几种适合于三层多传感器信息融合系统的航迹级融合方法，其中既包括了集分估计，也包括了分分估计组合问题．在......
    8. 《传感器故障诊断实时监测系统设计的探讨》PDF+DOC 对大型设备运行状态监测和故障的早期诊断与预报活动中 ，传感器自身故障的及时发现与判别尤为重要。本文提出以设备子系统的 (或某一功能的 )传感器监测参数为划分原则 ，将单传感器的监测信号综合作为多传感器监测而进行信息的融合处理 ，从而判别子系统运行状态和传感器信号的真实性的构想 ，并探讨传感器故障诊断......
    9. 《噪声方差未知时的分布式量化估计融合方法》PDF+DOC 为了解决观观测噪声和信道噪声概率分布不完全已知时的多传感器分布式量化估计融合问题，提出了一种期望极大化算法(EM算法)的分布式量化估计融合方法。该方法将未知的噪声参数以及局部量化器量化概率建模为EM算法中二元高斯混合模型参数，利用极大似然估计方法的估计不变性得到目标参数的估计融合结果。仿真实验结果表......
    10. 《广义系统降阶分布式信息融合稳态Kalman滤波器》PDF+DOC 针对带相关噪声的多传感器广义系统，提出一种分布式分量标量加权融合稳态降阶Kalman滤波器。应用奇异值分解将原广义系统转化两个等价的降阶子系统，将广义系统状态估计问题转为正常系统的状态估计问题，并求得任两个传感器子系统之间的稳态降阶滤波误差互协方差阵。兼顾融合精度和计算负担，以线性最小方差为融合准则......

    提示：百度云已更名为百度网盘（百度盘），天翼云盘、微盘下载地址……暂未提供。