基于現(xiàn)代時間序列分析方法的觀測融合Kalman濾波器與Wiener濾波器.pdf

1、多傳感器信息融合濾波的目的是基于每個傳感器提供的關(guān)于系統(tǒng)狀態(tài)或信號的觀測信息或局部估計信息，在某種最優(yōu)融合準(zhǔn)則下，得到系統(tǒng)狀態(tài)或信號的融合估計，融合精度要高于每一個局部精度。 本文應(yīng)用現(xiàn)代時間序列分析方法，基于ARMA新息模型，在加權(quán)最小二乘(WLS)法最優(yōu)信息融合準(zhǔn)則下，對帶相關(guān)觀測噪聲的多傳感器線性離散定常隨機(jī)系統(tǒng)，提出兩種加權(quán)觀測融合穩(wěn)態(tài)Kalman濾波算法；對帶相關(guān)輸入和觀測噪聲和相關(guān)觀測噪聲的多傳感器線性離散定常隨機(jī)系

2、統(tǒng)，提出一種新的加權(quán)觀測融合穩(wěn)態(tài)Kalman濾波算法。證明了它們功能等價于相應(yīng)的集中式觀測融合穩(wěn)態(tài)Kalman濾波算法。同時分別提出了相應(yīng)的加權(quán)觀測融合Wiener狀態(tài)估值器和分量解耦Wiener狀態(tài)估值器，還提出了多傳感器單通道ARMA信號的加權(quán)觀測融合Wiener估值器和Wiener反卷積估值器。加權(quán)觀測融合穩(wěn)態(tài)Kalman濾波算法同集中式觀測融合穩(wěn)態(tài)Kalman濾波算法相比，不僅具有漸近全局最優(yōu)性，而且觀測向量的維數(shù)較低，可減小計