異步采樣網(wǎng)絡(luò)化系統(tǒng)的融合估計(jì)算法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)、信息技術(shù)及網(wǎng)絡(luò)通信技術(shù)的發(fā)展和交叉滲透，網(wǎng)絡(luò)化系統(tǒng)在軍事和民用領(lǐng)域得到了普遍的應(yīng)用。由于網(wǎng)絡(luò)化系統(tǒng)的特殊性和復(fù)雜性，性能各異的系統(tǒng)組件難以保持對(duì)所有物理信號(hào)始終采用統(tǒng)一的采樣率，并且不可避免的受到網(wǎng)絡(luò)化不確定性因素的影響。同時(shí)，為滿足系統(tǒng)功能不斷增長(zhǎng)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(luò)的多速率異步采樣多傳感器系統(tǒng)的融合估計(jì)問(wèn)題得到了廣泛的關(guān)注。本文針對(duì)不同采樣機(jī)制的異步采樣系統(tǒng)，考慮了幾種網(wǎng)絡(luò)誘導(dǎo)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(jì)算法。主要內(nèi)容包括如下幾個(gè)方面。
　　對(duì)帶同時(shí)刻相關(guān)噪聲的異步均勻采樣和異步非均勻采樣網(wǎng)絡(luò)化系統(tǒng)，提出了線性無(wú)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(jì)算法。其中，通過(guò)迭代狀態(tài)方程建立了異步均勻采樣系統(tǒng)觀測(cè)采樣點(diǎn)上的狀態(tài)空間模型;采用狀態(tài)加權(quán)和觀測(cè)增廣的方法，建立了異步非均勻采樣系統(tǒng)狀態(tài)更新點(diǎn)上的增廣狀態(tài)空間模型;并推導(dǎo)了任意兩局部估值器間的估計(jì)誤差互協(xié)方差陣

3、。此外，針對(duì)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(duì)異步非均勻采樣系統(tǒng)提出的估計(jì)算法與現(xiàn)有文獻(xiàn)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(yīng)用領(lǐng)域。
　　對(duì)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(luò)化系統(tǒng)，以及帶丟失觀測(cè)的異步非均勻采樣網(wǎng)絡(luò)化系統(tǒng)，采用狀態(tài)加權(quán)的方法，分別建立了觀測(cè)采樣點(diǎn)之間以及觀測(cè)采樣點(diǎn)與其所在狀態(tài)更新周期左端點(diǎn)間的非增廣狀態(tài)空間模型。進(jìn)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(xiàn)中的結(jié)果相比，所提估計(jì)算法不僅可以給出狀態(tài)更新點(diǎn)的狀態(tài)估值，而且能夠提供觀測(cè)采樣點(diǎn)的狀態(tài)估值。此外，所提估計(jì)算法可避免觀測(cè)的增廣，因而具有較小的計(jì)算負(fù)擔(dān)。
　　對(duì)帶定常單觀測(cè)時(shí)滯的異步均勻采樣網(wǎng)絡(luò)化系統(tǒng)，通過(guò)迭代狀態(tài)方程建立了觀測(cè)采樣點(diǎn)上的非時(shí)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(shí)時(shí)最優(yōu)融合估值器。為避免實(shí)時(shí)估計(jì)算法中引入的

5、相關(guān)噪聲，采用偽觀測(cè)方法重新建立了狀態(tài)更新點(diǎn)上的狀態(tài)空間模型，并提出了具有更高估計(jì)精度的按矩陣加權(quán)分布式非實(shí)時(shí)最優(yōu)融合估值器。對(duì)帶多重隨機(jī)觀測(cè)時(shí)滯的異步均勻采樣網(wǎng)絡(luò)化系統(tǒng)，通過(guò)迭代狀態(tài)方程建立了觀測(cè)采樣點(diǎn)上的非時(shí)滯狀態(tài)空間模型?；谒⒌哪Ｐ吞岢隽司植孔顑?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(duì)帶隨機(jī)參數(shù)擾動(dòng)、衰減觀測(cè)和相關(guān)噪聲的單速率多傳感器網(wǎng)絡(luò)化系統(tǒng)，首先通過(guò)將乘性噪聲項(xiàng)移至加性噪聲中建立了等

6、價(jià)于原系統(tǒng)的狀態(tài)空間模型。進(jìn)而基于所建立的模型提出了最優(yōu)貫序融合估計(jì)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(shí)刻相關(guān)系統(tǒng)噪聲和觀測(cè)噪聲的多傳感器異步均勻采樣網(wǎng)絡(luò)化系統(tǒng)中。對(duì)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(diǎn)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(jì)算法，并證明了算法的最優(yōu)性。
　　對(duì)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(cè)的同步化方法及相應(yīng)狀態(tài)估計(jì)算法，并提