H_∞滤波理论在多传感器信息融合状态估计中的应用研究

论文摘要

随着现代信号处理技术、计算机技术、网络通信技术、人工智能技术、并行计算软件和硬件技术的快速发展以及新型传感器的不断出现,多传感器信息融合将成为我国未来大量军用和民用高科技系统的重要技术手段。多传感器信息融合有着广泛的研究领域和分支,信息融合状态估计就是其中非常重要的一个。多传感器目标跟踪、多传感器信号滤波与反卷积等问题均可归结为信息融合状态估计问题。现有的多传感器信息融合状态估计方法主要是基于传统的Kalman滤波,其算法是建立在H2估计准则基础之上,它要求准确的系统模型和确切已知外部干扰信号的统计特性,对于多传感器信息融合状态估计中系统模型存在不确定、时滞及非线性条件等情况时,Kalman融合滤波存在不足之处。而H∞滤波理论是现代鲁棒控制理论发展的一种重要分支,是针对系统中模型不确定性和外部干扰不确定性而发展起来的一门滤波技术,将H∞滤波思想引入多传感器信息融合状态估计中具有重要的理论意义和实际应用价值。本论文系统地综述了多传感器信息融合状态估计技术的发展历史、研究现状和相关经典算法,深入分析了算法的优缺点,归纳现有状态融合估计方法存在的问题,介绍H∞滤波基础理论和分析方法,总结随机连续、离散线性系统H∞滤波器的设计方法和思路,对比Kalman滤波器与基本H∞滤波器的实现方法,讨论了两种滤波器在实现思路上的主要异同。论文重点研究如何将H∞滤波理论与多传感器信息融合状态估计技术进行结合,利用H∞滤波理论及方法解决多传感器融合估计中的系统参数存在不确定、融合系统状态存在时滞、融合过程存在稳定度约束及系统描述存在非线性条件等问题,建立起将H∞滤波理论应用于多传感器信息融合状态估计中的方法框架。论文的主要研究成果为:1.针对一类随机不确定多传感器信息融合系统,提出了集中式和分布式H∞融合滤波器的设计方法。论文给出了随机不确定多传感器融合系统数学模型描述,根据离散系统有界实引理、Schur补定理及线性矩阵不等式求解技术得到了一个针对该类多传感器系统H∞融合滤波器的存在性定理,在该定理基础上分别得到基于H∞滤波理论和方法的集中式和分布式多传感器信息融合滤波器。结合一个不确定多传感器目标跟踪系统融合滤波器的设计实例,对比Kalman融合滤波的性能和效果,验证了所得结论的正确性和有效性。2.针对实际融合系统中抽象出来的系统模型状态存在时滞及系统参数存在随机摄动问题,提出了一类状态依赖于噪声的时滞多传感器融合系统H∞滤波器的设计方法。论文给出了该类型多传感器融合系统的数学模型描述,定义了系统H∞融合滤波器设计问题的性能指标。利用Lyapunov函数法得到了一个状态依赖于噪声的时滞融合系统H∞滤波器稳定性定理,在该定理的基础上,为满足滤波器的性能指标,结合线性矩阵不等式求解技术得到了该类融合系统的H∞滤波器。为说明所得结论的正确性,论文结合一个状态依赖于噪声的时滞融合估计问题实例,设计了系统的H∞融合滤波器,仿真结果表明其具有较好的状态融合估计性能。3.针对状态依赖于噪声的多传感器信息融合系统,提出了一种具有稳定度约束条件的H∞融合滤波器设计方法。对于系统模型中存在随机摄动的多传感器系统状态融合估计,除了关注估计精度及约束指标等性能外,还应考虑所设计的融合滤波器在保证稳定的前提下跟踪收敛的速率问题。论文在已有的H∞融合滤波器设计框架的基础上,进一步考虑具有稳定度约束条件的融合滤波器的设计问题,给出该类系统的数学模型,利用连续系统有界实引理及系统衰减速率控制引理,得到H∞融合滤波器的存在性定理,利用该定理给出了滤波器的设计思路和方法。实例仿真结果表明,稳定性约束达到了调整滤波器跟踪收敛速率的目的。4.针对一类具有非线性条件约束的多传感器信息融合系统,提出了一种基于线性矩阵不等式转换和求解技术的H∞融合滤波器设计方法。对于线性多传感器信息融合系统的状态估计,现有的理论及方法均已趋于完善,框架体系较为成熟。将线性系统融合估计的处理方法进一步推广到非线性系统中具有重要实际意义和理论研究价值。论文总结了在非线性系统状态融合估计中存在问题及现有的解决思路,结合论文中已讨论的不同类型融合系统H∞滤波器的设计方法,利用非线性系统稳定性引理及线性矩阵不等式转换和求解技术,针对一类状态依赖于噪声的非线性多传感器系统设计融合滤波器,推导并得到该类系统的H∞滤波器存在性定理,利用该定理可得到融合滤波器的设计步骤和方法。仿真结果表明,论文所得结论和方法是有效的。综上所述,本论文针对多传感器信息融合状态估计中的系统参数存在不确定、融合系统状态存在时滞等问题利用H∞滤波理论及相关技术进行研究,得到了一些在多传感器信息融合状态估计方面有针对性的定理和滤波器设计方法,是对多传感器信息融合理论的进一步补充和发展。论文最后总结了H∞滤波理论在多传感器信息融合状态估计应用中亟待解决的一些问题和下一步的研究重点,同时对该领域的发展趋势进行了展望。

论文目录

• 摘要
• Abstract
• 符号说明
• 第一章 绪论
• 1.1 多传感器信息融合状态估计概述
• 1.2 多传感器信息融合技术的应用
• 1.3 国内外研究现状
• 1.4 本论文的研究工作及内容安排
• ∞滤波理论'>第二章 多传感器信息融合状态估计及H_∞滤波理论
• 2.1 多传感器信息融合系统的结构
• 2.2 信息融合状态估计的问题描述
• 2.3 状态估计问题求解的基本算法
• ∞滤波理论'>2.4 H_∞滤波理论
• 2.5 本章小结
• ∞滤波器设计'>第三章 集中式及分布式不确定多传感器信息融合系统H_∞滤波器设计
• 3.1 引言
• 3.2 不确定融合系统数学模型描述
• ∞融合滤波器的设计'>3.3 集中式不确定多传感器系统H_∞融合滤波器的设计
• ∞融合滤波器的设计'>3.4 分布式不确定多传感器系统H_∞融合滤波器的设计
• 3.5 实例仿真
• 3.6 本章小结
• ∞滤波器设计'>第四章 状态依赖于噪声的时滞融合系统H_∞滤波器设计
• 4.1 引言
• 4.2 问题描述
• 4.3 状态依赖于噪声的时滞融合系统渐近稳定性
• ∞融合滤波器的实现'>4.4 H_∞融合滤波器的实现
• 4.5 实例仿真
• 4.6 本章小结
• ∞融合滤波器设计'>第五章 具有稳定度约束条件的多传感器系统H_∞融合滤波器设计
• 5.1 引言
• 5.2 问题描述
• ∞融合滤波器设计'>5.3 具有稳定度约束的H_∞融合滤波器设计
• 5.4 实例仿真
• 5.5 本章小结
• ∞滤波器设计'>第六章 一类状态依赖于噪声的非线性融合系统H_∞滤波器设计
• 6.1 引言
• 6.2 问题描述
• 6.3 非线性融合滤波器的渐近稳定性
• ∞融合滤波器的设计'>6.4 非线性H_∞融合滤波器的设计
• 6.5 实例仿真
• 6.6 本章小结
• 第七章 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 致谢
• 攻读学位期间发表的论文与参加的科研项目
• 附:已发表的英文论文两篇
• 学位论文评阅及答辩情况表