版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 廣義系統(tǒng)信息融合Wiener狀態(tài)估值器.pdf
- 非方廣義隨機系統(tǒng)的狀態(tài)估值器.pdf
- 廣義系統(tǒng)最優(yōu)與自校正分布式信息融合估值器.pdf
- 自校正信息融合狀態(tài)與信號Wiener估值器.pdf
- 最優(yōu)加權(quán)觀測融合狀態(tài)估值器及其應(yīng)用.pdf
- 基于Riccati方程的自校正信息融合狀態(tài)估值器及其應(yīng)用.pdf
- 多傳感器最優(yōu)觀測融合狀態(tài)估值器及其應(yīng)用.pdf
- 自校正觀測融合解耦Wiener狀態(tài)估值器及其應(yīng)用.pdf
- 廣義系統(tǒng)H-,∞-降階控制器的設(shè)計.pdf
- 廣義系統(tǒng)的模型降階與結(jié)構(gòu)配置.pdf
- 不確定廣義時滯系統(tǒng)H∞降階濾波器設(shè)計.pdf
- 線性系統(tǒng)模型降階與控制器降階研究.pdf
- 帶乘性噪聲廣義系統(tǒng)多傳感器信息融合狀態(tài)估計算法研究.pdf
- 基于現(xiàn)代時間序列分析方法的通用信息融合白噪聲估值器.pdf
- 魯棒H-,∞-控制和廣義系統(tǒng)模型降階.pdf
- 最優(yōu)和自校正多傳感器信息融合白噪聲反卷積估值器.pdf
- 統(tǒng)一和通用的信息融合白噪聲反卷積估值器.pdf
- 自校正加權(quán)觀測融合Kalman估值器及其應(yīng)用.pdf
- 線性系統(tǒng)的模型降階和H∞控制器降階.pdf
- 電力系統(tǒng)狀態(tài)空間方程的優(yōu)化降階研究.pdf
評論
0/150
提交評論