自校正观测融合解耦Wiener状态估值器及其应用

论文摘要

从20世纪70年代起,一个新兴学科—多传感器信息融合(Multisensor Information Fusion)便迅速地发展起来,并在现代C3I系统中和各种武器平台上得到了广泛的应用。信息融合作为一门跨学科的综合信息处理理论,涉及系统论、信息论、控制论、人工智能和计算机通信等众多的领域和学科。多传感器信息融合作为多源信息综合处理的一项新技术,能够合成来自某一目标的多源信息,产生比单一信息源更精确的估计。对于多传感器系统,本文应用加权最小二乘(WLS)法得到两个加权观测融合方程,它们伴随原始状态方程构成两个等价的加权观测融合系统。在此基础上,应用现代时间序列分析方法,基于ARMA新息模型,提出了两类最优加权观测融合解耦Wiener状态估值器(滤波器、预报器和平滑器),并验证了它们与集中式观测融合解耦Wiener状态估值器的完全功能等价性。对于带未知噪声方差的多传感器系统,基于滑动平均(MA)新息模型的辨识和求解相关函数矩阵方程组,提出了两类自校正加权观测融合解耦Wiener状态估值器,且对每类估值器提出了四种自校正融合算法。基于自校正加权观测融合解耦Wiener状态估值器,还提出了多传感器多通道ARMA信号自校正加权观测融合解耦Wiener估值器。用动态误差系统分析(DESA)方法,证明了自校正加权观测融合解耦Wiener状态估值器和ARMA信号自校正加权观测融合解耦Wiener估值器的收敛性,即它们按实现或以概率1收敛于当噪声方差已知时相应的最优加权观测融合解耦Wiener估值器。因此它们具有渐近全局最优性。在跟踪系统中大量的仿真例子说明了它们的有效性。

论文目录

• 中文摘要
• Abstract
• 绪论
• 第1章 最优加权观测融合解耦Wiener 状态估值器
• 1.1 引言
• 1.2 多传感器加权观测融合算法（I）
• 1.3 基于加权观测融合算法（I）的最优加权观测融合解耦Wiener 状态估值器
• 1.4 多传感器加权观测融合算法（II）
• 1.5 基于加权观测融合算法（II）的最优加权观测融合解耦 Wiener 状态估值器
• 1.6 集中式观测融合解耦Wiener 状态估值器
• 1.7 两种加权观测融合算法的完全功能等价性
• 1.8 仿真例子
• 1.9 本章小结
• 第2章 自校正加权观测融合解耦Wiener 状态估值器
• 2.1 引言
• 2.2 基于加权观测融合算法（I）的自校正加权观测融合解耦Wiener 状态估值器
• 2.2.1 基于加权观测融合算法（I）的自校正加权观测融合解耦 Wiener 状态估值器算法1
• 2.2.2 基于加权观测融合算法（I）的自校正加权观测融合解耦 Wiener 状态估值器算法2
• 2.2.3 基于加权观测融合算法（I）的自校正加权观测融合解耦 Wiener 状态估值器算法3
• 2.2.4 基于加权观测融合算法（I）的自校正加权观测融合解耦 Wiener 状态估值器算法4
• 2.3 基于加权观测融合算法（II）的自校正加权观测融合解耦 Wiener 状态估值器
• 2.3.1 基于加权观测融合算法（II）的自校正加权观测融合解耦Wiener 状态估值器算法1
• 2.3.2 基于加权观测融合算法（II）的自校正加权观测融合解耦Wiener 状态估值器算法2
• 2.3.3 基于加权观测融合算法（II）的自校正加权观测融合解耦Wiener 状态估值器算法3
• 2.3.4 基于加权观测融合算法（II）的自校正加权观测融合解耦Wiener 状态估值器算法4
• 2.4 仿真例子
• 2.5 本章小结
• 第3章 自校正加权观测融合解耦Wiener 估值器在信号处理中的应用
• 3.1 引言
• 3.2 多传感器多通道ARMA 信号最优加权观测融合解耦Wiener 估值器
• 3.3 多传感器多通道ARMA 信号自校正加权观测融合解耦Wiener 估值器
• 3.3.1 多传感器多通道 ARMA 信号自校正加权观测融合解耦 Wiener 估值器算法1
• 3.3.2 多传感器多通道 ARMA 信号自校正加权观测融合解耦 Wiener 估值器算法2
• 3.3.3 多传感器多通道 ARMA 信号自校正加权观测融合解耦 Wiener 估值器算法3
• 3.3.4 多传感器多通道 ARMA 信号自校正加权观测融合解耦 Wiener 估值器算法4
• 3.4 仿真例子
• 3.5 本章小结
• 结论
• 参考文献
• 致谢
• 攻读硕士学位期间所发表的学术论文