廣義系統(tǒng)降階信息融合狀態(tài)估值器.pdf

1、對于帶多傳感器的廣義線性離散定常隨機系統(tǒng)，基于奇異值分解，應(yīng)用線性變換，可將廣義系統(tǒng)化為兩種典范型，其中每種典范型由兩個非廣義子系統(tǒng)組成。對于原始狀態(tài)、變換后狀態(tài)和子系統(tǒng)狀態(tài)分別提出了三種不同的加權(quán)融合方法。而每種融合方法分別通過按矩陣加權(quán)、按標(biāo)量加權(quán)和按對角陣加權(quán)三種線性最小方差最優(yōu)信息融合準(zhǔn)則實現(xiàn)。應(yīng)用經(jīng)典Kalman濾波方法和白噪聲估計理論，在三種不同的加權(quán)融合方法下，分別提出了廣義系統(tǒng)在兩種典范型下的降階信息融合時變和穩(wěn)態(tài)Kal

2、man估值器，它們可統(tǒng)一處理融合濾波、預(yù)報和平滑問題，為了計算最優(yōu)加權(quán)，提出了局部估值誤差方差陣和協(xié)方差陣的計算公式。對每種加權(quán)融合方法，證明了帶矩陣權(quán)的Kalman融合器的精度高于帶標(biāo)量權(quán)的Kalman融合器的精度，而帶對角陣權(quán)的Kalman融合器的精度位于前兩者之間，且每種融合器精度都高于局部估值器精度。大量的MonteCarlo數(shù)值仿真例子說明了其有效性和正確性，且說明了帶不同類權(quán)的融合估值器的精度無顯著區(qū)別。因而采用帶標(biāo)量權(quán)或帶