自校正加權觀測融合Kalman估值器及其應用.pdf

1、在現代C<'3>I(指揮、控制、通信與情報)作戰(zhàn)系統中，依靠單傳感器提供信息己無法滿足作戰(zhàn)的需要，必須運用多傳感器提供觀測數據，實時的進行目標檢測和識別。為此，多傳感器信息融合技術便迅速的發(fā)展起來，并在現代C<'3>I系統中和軍事領域中得到了廣泛的應用。 如何合并多傳感器的觀測方程為一單個觀測方程且得到優(yōu)于單個傳感器的效果?解決這一問題有很多種信息融合方法，其中Kalman濾波具有重要的理論及應用意義。基于Kalman濾波的多傳

2、感器信息融合方法，包括狀態(tài)融合和觀測融合，近年來得到了廣泛深入的研究。 對于多傳感器系統，本文應用加權最小二乘(WLS)法得到一個加權觀測融合方程，它與原始方程構成一個等價的加權觀測融合系統?；赗iccati方程，提出了兩種穩(wěn)態(tài)最優(yōu)加權觀測融合Kalman估值器(濾波器、預報器和平滑器)，并驗證了與集中式觀測方法對比的完全功能等價性。對于帶未知噪聲方差的多傳感器系統，引入左素分解可得到一個新的觀測過程，該觀測過程用兩個滑動平均

3、(MA)過程之和表示。采用求解相關函數矩陣方程組方法，得到了噪聲方差估值器，并且根據新的觀測過程的采樣相關函數及其遍歷性，證明了噪聲方差估值器的一致性。在此基礎上，基于Riccati方程，提出了兩種自校正加權觀測融合Kalman估值器。通過對動態(tài)誤差系統的穩(wěn)定性分析，證明了自校正加權觀測融合Kalman估值器的收斂性，即按實現或以概率1收斂于當噪聲方差已知時的全局最優(yōu)加權觀測融合Kalman估值器，在跟蹤系統中大量的仿真例子說明了它們的