異步采樣網(wǎng)絡化系統(tǒng)的融合估計算法研究.pdf

1、隨著計算機技術(shù)、信息技術(shù)及網(wǎng)絡通信技術(shù)的發(fā)展和交叉滲透，網(wǎng)絡化系統(tǒng)在軍事和民用領域得到了普遍的應用。由于網(wǎng)絡化系統(tǒng)的特殊性和復雜性，性能各異的系統(tǒng)組件難以保持對所有物理信號始終采用統(tǒng)一的采樣率，并且不可避免的受到網(wǎng)絡化不確定性因素的影響。同時，為滿足系統(tǒng)功能不斷增長的需求，相較于傳統(tǒng)多傳感器系統(tǒng)的單速率采樣形式，基于網(wǎng)絡的多速率異步采樣多傳感器系統(tǒng)的融合估計問題得到了廣泛的關(guān)注。本文針對不同采樣機制的異步采樣系統(tǒng)，考慮了幾種網(wǎng)絡誘導的不

2、確定性因素，基于射影理論，研究了集中式融合、分布式融合和貫序融合估計算法。主要內(nèi)容包括如下幾個方面。
　　對帶同時刻相關(guān)噪聲的異步均勻采樣和異步非均勻采樣網(wǎng)絡化系統(tǒng)，提出了線性無偏最小方差意義下的按矩陣加權(quán)分布式最優(yōu)融合估計算法。其中，通過迭代狀態(tài)方程建立了異步均勻采樣系統(tǒng)觀測采樣點上的狀態(tài)空間模型;采用狀態(tài)加權(quán)和觀測增廣的方法，建立了異步非均勻采樣系統(tǒng)狀態(tài)更新點上的增廣狀態(tài)空間模型;并推導了任意兩局部估值器間的估計誤差互協(xié)方差陣

3、。此外，針對異步均勻采樣系統(tǒng)分析了所提算法的漸近穩(wěn)定性;針對異步非均勻采樣系統(tǒng)提出的估計算法與現(xiàn)有文獻中的結(jié)果相比，不要求狀態(tài)轉(zhuǎn)移矩陣的逆存在，因而具有更廣泛的應用領域。
　　對控制器到執(zhí)行器和傳感器到估值器數(shù)據(jù)傳輸存在丟包的異步非均勻采樣網(wǎng)絡化系統(tǒng)，以及帶丟失觀測的異步非均勻采樣網(wǎng)絡化系統(tǒng)，采用狀態(tài)加權(quán)的方法，分別建立了觀測采樣點之間以及觀測采樣點與其所在狀態(tài)更新周期左端點間的非增廣狀態(tài)空間模型。進而基于所建立的模型提出了局部最

4、優(yōu)非增廣遞推狀態(tài)估值器，多傳感器最優(yōu)融合估值器和次優(yōu)協(xié)方差交叉分布式融合估值器。與現(xiàn)有文獻中的結(jié)果相比，所提估計算法不僅可以給出狀態(tài)更新點的狀態(tài)估值，而且能夠提供觀測采樣點的狀態(tài)估值。此外，所提估計算法可避免觀測的增廣，因而具有較小的計算負擔。
　　對帶定常單觀測時滯的異步均勻采樣網(wǎng)絡化系統(tǒng)，通過迭代狀態(tài)方程建立了觀測采樣點上的非時滯狀態(tài)空間模型?；谒⒌哪Ｐ吞岢隽税淳仃嚰訖?quán)分布式實時最優(yōu)融合估值器。為避免實時估計算法中引入的

5、相關(guān)噪聲，采用偽觀測方法重新建立了狀態(tài)更新點上的狀態(tài)空間模型，并提出了具有更高估計精度的按矩陣加權(quán)分布式非實時最優(yōu)融合估值器。對帶多重隨機觀測時滯的異步均勻采樣網(wǎng)絡化系統(tǒng)，通過迭代狀態(tài)方程建立了觀測采樣點上的非時滯狀態(tài)空間模型。基于所建立的模型提出了局部最優(yōu)狀態(tài)估值器，多傳感器最優(yōu)集中式和次優(yōu)協(xié)方差交叉分布式融合估值器。
　　對帶隨機參數(shù)擾動、衰減觀測和相關(guān)噪聲的單速率多傳感器網(wǎng)絡化系統(tǒng)，首先通過將乘性噪聲項移至加性噪聲中建立了等

6、價于原系統(tǒng)的狀態(tài)空間模型。進而基于所建立的模型提出了最優(yōu)貫序融合估計算法，并證明了算法的最優(yōu)性。隨后，將其結(jié)論推廣到了帶同時刻相關(guān)系統(tǒng)噪聲和觀測噪聲的多傳感器異步均勻采樣網(wǎng)絡化系統(tǒng)中。對異步非均勻采樣系統(tǒng)，采用狀態(tài)加權(quán)的方法建立了狀態(tài)更新點上的狀態(tài)空間模型?；谒⒌哪Ｐ吞岢隽俗顑?yōu)貫序融合估計算法，并證明了算法的最優(yōu)性。
　　對異步均勻采樣系統(tǒng)，給出了基于迭代狀態(tài)方程、基于提升技術(shù)和基于偽觀測的同步化方法及相應狀態(tài)估計算法，并提