含相關性噪聲系統(tǒng)的估計和融合算法研究.pdf

1、實際應用中,動態(tài)系統(tǒng)的外界干擾通常不是互不相關的高斯白噪聲,因而,相關性噪聲濾波是最優(yōu)估計理論研究的一個熱點并且在近些年得到廣大學者的普遍關注。網(wǎng)絡的廣泛應用推動了相關性噪聲濾波理論的發(fā)展,對網(wǎng)絡產生的時滯、丟包等估計問題的研究在大多數(shù)情況下可以轉化成對含相關性噪聲的隨機動態(tài)系統(tǒng)的估計問題的研究。另外,傳感器技術的發(fā)展也同樣影響著估計理論的發(fā)展,對含相關性噪聲系統(tǒng)的多傳感器數(shù)據(jù)融合問題的研究也得到了越來越多的關注。除此之外,系統(tǒng)模型不確

2、定性是估計器估計效果變壞甚至不穩(wěn)定的重要因素。然而,由于人們認知的局限性以及系統(tǒng)本身和環(huán)境的變化,使得所建立的系統(tǒng)數(shù)學模型與實際系統(tǒng)之間總會有偏差。因此,不確定系統(tǒng)的魯棒濾波理論也就成了當前估計理論研究的另外一個熱點。本文在總結前人研究的基礎上，研究了含相關性噪聲,模型不確定性和測量數(shù)據(jù)時滯、丟失現(xiàn)象的動態(tài)系統(tǒng)的估計和融合問題,并將所得到的部分理論結果應用到恒定速度的目標追蹤系統(tǒng)和恒定加速度的目標追蹤系統(tǒng)。本文的主要工作可概括如下:

3、r>　　針對動態(tài)系統(tǒng)中存在的有限步跨時自相關過程噪聲,模型不確定性和測量數(shù)據(jù)丟失現(xiàn)象提出了最小方差最優(yōu)的遞推魯棒濾波器設計方法。綜合考慮了動態(tài)方程和測量方程中的隨機不確定性;過程噪聲是有限步跨時自相關的;測量數(shù)據(jù)丟失現(xiàn)象被描述成一個二進制切換序列?；谧钚》讲钭顑?yōu)的設計思路,得到了所期望的魯棒濾波器。最后,數(shù)字仿真結果表明了所設計的濾波器具有良好的工作性能。
　　提出了含有限步跨時自相關測量噪聲,模型不確定性和多包丟失現(xiàn)象的動態(tài)系

4、統(tǒng)的最優(yōu)非脆弱濾波器設計方法。不但考慮了系統(tǒng)模型中存在的不確定性,而且還考慮了所設計的濾波器參數(shù)的不確定性?；谝粋€多包丟失模型和狀態(tài)向量增廣,得到了一個含有限步跨時自相關和互相關噪聲的隨機不確定系統(tǒng)。在最小方差意義下,得到了所期望的最優(yōu)非脆弱濾波器。最后,仿真計算驗證了所設計濾波器的有效性。
　　將測量數(shù)據(jù)傳輸中出現(xiàn)的時滯、丟包等現(xiàn)象擴展到廣義系統(tǒng)。提出了基于奇異值分解,革新分析和射影定理的廣義濾波器,預測器和平滑器設計方法。基

5、于奇異值分解和狀態(tài)增廣,原時滯廣義系統(tǒng)的狀態(tài)估計問題轉化成含跨時相關性噪聲的正常子系統(tǒng)和過程噪聲的狀態(tài)估計問題?；诟镄路治龇ê蜕溆岸ɡ?首先獲得了子系統(tǒng)和過程噪聲的濾波器,預測器和平滑器。在此基礎上，最終獲得了原廣義系統(tǒng)的濾波器,預測器和平滑器。
　　研究了含同時相關性噪聲的動態(tài)系統(tǒng)的最優(yōu)分布式卡爾曼濾波器融合算法。系統(tǒng)的過程噪聲和每個傳感器的測量噪聲是同時刻相關,同時,每個傳感器測量噪聲之間也是同時刻相關?；谝粋€正交化的方法

6、,原始測量轉化成了測量噪聲互不相關的新測量。基于新建測量,首先推導了不含反饋的最優(yōu)分布式卡爾曼濾波融合算法,而后,推導了含反饋的最優(yōu)分布式卡爾曼濾波融合算法。對于新得到的最優(yōu)分布式卡爾曼濾波融合算法給出了嚴格的性能分析。最后,將得到的融合算法應用到恒定速度的目標追蹤系統(tǒng)和恒定加速度的目標追蹤系統(tǒng),仿真結果表明了算法的有效性和性能分析的正確性。
　　研究了含跨時相關性噪聲的動態(tài)系統(tǒng)的分布式權重濾波融合。對于每個傳感子系統(tǒng),首先推導了