《多传感器系统带干扰与观测时滞的状态估计》PDF+DOC

📙 相关资料

1. 《具有观测时滞系统的状态估计》PDF+DOC 在实际应用系统中，时滞是不可避免会产生的一种现象，具体原因包括具有多变性的传输通道和不可靠通信等。传统的Kalman估计理论已不适用于带有时滞系统。本文利用状态增广和射影定理，得到新的增广系统，该系统与一步随机观测滞后系统相比无时滞。基于新系统提出了线性最小方差最优Kalman滤波器，通过仿真证明该......
2. 《带反馈信息的多传感器分层估计算法》PDF+DOC 为了改善局部节点和传感器级的跟踪性能 ，本文研究带反馈信息的多级式多传感器系统中的状态估计技术 .在给出有反馈信息情况下传感器级状态估计解的基础上 ，本文提出多坐标系中有反馈信息的两层集中、分布和混合估计方程 .在不同笛卡尔坐标系中 ，本文提出了几种带反馈信息的三层多传感器系统中的航迹级融合方法 ，......
3. 《两级混合多传感器信息融合中的状态估计》PDF+DOC 在混合式多传感器信息融合系统中，一部分传感器通过处理它们的数据产生局部航迹，另一部分传感器则只提供检测报告，这些航迹和检测报告被传送到融合中心完成航迹融合和组合滤波。本文提出适合于两级混合式多传感器系统的全局最优状态估计解。在这种结构中，融合中心首先需要融合来自L个传感器的局部估计，然后基于其它N-......
4. 《基于观测器的时滞系统故障诊断》PDF+DOC 针对状态含有时滞的故障系统，给出一种故障诊断设计方法。通过对系统设计未知输入观测器，利用观测的状态得到残差方程，从而诊断出时滞系统的故障，并能对传感器故障和执行器故障进行分离，最后给出故障诊断系统阈值的选取原则。...
5. 《基于多传感器观测下的带乘性噪声系统的最优滤波融合算法》PDF+DOC 多传感器系统由于具有较高的精度及可靠性日益受到研究者的重视。本文针对多传感器观测下的带乘性噪声系统 ，分别给出了集中式与分布式滤波融合算法。这 2种算法在数学上完全等价 ，在线性最小方差意义上均是最优的。但对于工程实际问题 ，分布式的融合策略在计算、可靠性、故障的检测与隔离等方面更具有优势。文中举例......
6. 《时滞系统的多源数据融合卡尔曼滤波器研究》PDF+DOC 对于带观测时滞的线性离散时变随机控制优化问题，提出了观测变换方法，把带观测时滞状态空间模型等效地转换为无观测时滞的状态空间模型，接着应用卡尔曼(Kalman)滤波方法，在线性最小方差最优融合准则下，给出按矩阵、按对角阵和按标量加权三种最优信息融合卡尔曼(Kalman)滤波器，可分为局部最优全局次优的......
7. 《基于全局状态估计的多传感器加权数据融合算法》PDF+DOC 自学习最小二乘加权数据融合算法已被广泛地应用于融合多传感器系统中的量测信息。但是，通过深入的理论分析和实验仿真发现，自学习最小二乘加权数据融合算法在进行双传感器数据融合时具有较差的融合精度，同时该算法还具有较差的抗干扰性及稳定性。基于以上研究结果，提出了一种基于全局状态估计的多传感器加权数据融合算法......
8. 《含无序量测的多传感器信息融合算法研究》PDF+DOC 由于通信时间的延迟性，在多传感器系统中常常会出现无序量测情况。为提高估计的精度，系统须对无序量测进行处理，状态更新法是处理无序量测问题的一种有效方法。对于多传感器信息融合问题，给出了一种处理无序量测的状态估计更新算法。仿真计算表明该算法能有效的提高融合估计的精度。...
9. 《广义系统多传感器信息融合Kalman状态预报器》PDF+DOC 研究了广义离散随机线性系统的多传感器信息融合状态估计问题。依据Kalman滤波理论，在线性最小方差信息融合准则下，推导出广义系统分别按矩阵、对角阵和标量加权的三种多传感器信息融合Kalman预报器，并给出了两个广义子系统之间的预报误差互协方差阵的计算公式。仿真说明，融合后的Kalman预报器的精确度......
10. 《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。...