Kalman濾波方法是處理狀態(tài)估計問題的基本工具。經(jīng)典Kalman濾波方法要求系統(tǒng)的模型參數(shù)和噪聲方差是精確已知的。然而,在實際應用中,由于未建模動態(tài)和隨機擾動等原因,系統(tǒng)模型中往往存在著不確定性,包括模型參數(shù)不確定性和噪聲方差不確定性,而參數(shù)不確定性又包括范數(shù)有界參數(shù)不確定性和隨機參數(shù)不確定性（乘性噪聲）。此外,由于傳感器故障導致的丟失觀測現(xiàn)象也經(jīng)常發(fā)生。當系統(tǒng)模型中存在不確定性時,Kalman濾波器的性能會變壞甚至會引起濾波器的發(fā)散。這推動了在魯棒Kalman濾波器設計上的許多研究。所謂的魯棒Kalman濾波器是指針對由不確定性所形成的一族系統(tǒng)模型設計一個濾波器,使得對于所有容許的不確定性,它的相應的實際濾波誤差方差陣被保證有最小上界。針對模型參數(shù)不確定但噪聲方差已知的系統(tǒng),設計魯棒Kalman估值器的兩種基本方法是Riccati方程方法和線性矩陣不等式（LMI）方法;針對噪聲方差不確定但模型參數(shù)已知的系統(tǒng),設計魯棒Kalman估值器的基本方法是Lyapunov方程方法。目前,對于模型參數(shù)和噪聲方差都不確定且存在丟失觀測的混合不確定系統(tǒng),信息融合魯棒Kalman濾波和白噪聲反卷積的... 

【文章來源】：黑龍江大學黑龍江省

【文章頁數(shù)】：301 頁

【學位級別】：博士

【文章目錄】：
中文摘要
Abstract
第1章 緒論
    1.1 引言
    1.2 多傳感器最優(yōu)信息融合方法
        1.2.1 集中式與分布式融合方法
        1.2.2 狀態(tài)與觀測融合方法
    1.3 不確定系統(tǒng)魯棒Kalman濾波方法
        1.3.1 系統(tǒng)的不確定性
        1.3.2 幾種常用的魯棒Kalman濾波方法
    1.4 魯棒Kalman濾波與白噪聲反卷積的研究現(xiàn)狀
        1.4.1 魯棒Kalman濾波研究現(xiàn)狀
        1.4.2 最優(yōu)和魯棒白噪聲反卷積研究現(xiàn)狀
    1.5 論文的主要工作
        1.5.1 論文的主要內(nèi)容
        1.5.2 論文結構安排
    1.6 公共引理
第2章 帶乘性噪聲和不確定噪聲方差系統(tǒng)魯棒Kalman濾波
    2.1 引言
    2.2 帶相同乘性噪聲系統(tǒng)魯棒加權融合Kalman估值器
        2.2.1 虛擬噪聲方法進行模型轉換
        2.2.2 魯棒局部時變Kalman估值器
        2.2.3 統(tǒng)一的四種加權狀態(tài)融合魯棒時變Kalman估值器
        2.2.4 魯棒局部和融合時變Kalman估值器的精度分析
        2.2.5 魯棒局部和融合時變Kalman估值器的收斂性分析
        2.2.6 應用于帶隨機參數(shù)的AR信號的魯棒融合Kalman濾波
    2.3 帶相同乘性噪聲系統(tǒng)魯棒集中式和加權觀測融合估值器
        2.3.1 集中式和加權融合觀測方程
        2.3.2 魯棒集中式和加權觀測融合時變Kalman估值器
        2.3.3 魯棒集中式和加權觀測融合時變Kalman估值器的等價性
        2.3.4 魯棒融合時變Kalman估值器的復雜性分析
        2.3.5 魯棒融合時變Kalman估值器的收斂性分析
        2.3.6 應用于帶隨機參數(shù)和有色觀測噪聲的AR信號魯棒融合濾波
    2.4 帶狀態(tài)相依和噪聲相依乘性噪聲系統(tǒng)魯棒Kalman估值器
        2.4.1 虛擬噪聲方法進行模型轉換
        2.4.2 魯棒時變Kalman估值器
        2.4.3 魯棒時變Kalman估值器的收斂性分析
        2.4.4 應用于帶丟包和不確定噪聲方差系統(tǒng)的魯棒Kalman濾波
    2.5 仿真例子
    2.6 本章小結
第3章 混合不確定系統(tǒng)魯棒Kalman濾波
    3.1 引言
    3.2 混合不確定系統(tǒng)魯棒集中式和加權觀測融合Kalman預報器
        3.2.1 虛擬噪聲方法進行模型轉換
        3.2.2 集中式和加權融合觀測方程
        3.2.3 魯棒集中式和加權觀測融合時變Kalman預報器
        3.2.4 魯棒集中式和加權觀測融合時變Kalman預報器的復雜性分析
        3.2.5 魯棒集中式和加權觀測融合時變Kalman預報器的收斂性分析
    3.3 帶相關噪聲的混合不確定系統(tǒng)魯棒集中式和加權觀測融合器
        3.3.1 虛擬噪聲方法進行模型轉換
        3.3.2 集中式和加權融合觀測方程
        3.3.3 魯棒集中式和加權觀測融合時變Kalman估值器
        3.3.4 魯棒集中式和加權觀測融合時變Kalman估值器的等價性
        3.3.5 魯棒集中式和加權觀測融合時變Kalman估值器的復雜性分析
        3.3.6 魯棒集中式和加權觀測融合時變Kalman估值器的收斂性分析
        3.3.7 魯棒融合Kalman濾波器與魯棒加權最小二乘濾波器的比較
    3.4 仿真例子
    3.5 本章小結
第4章 不確定多傳感器系統(tǒng)魯棒融合白噪聲反卷積
    4.1 引言
    4.2 不確定系統(tǒng)加權融合魯棒穩(wěn)態(tài)白噪聲反卷積平滑器
        4.2.1 魯棒局部穩(wěn)態(tài)Kalman預報器
        4.2.2 魯棒局部穩(wěn)態(tài)白噪聲反卷積平滑器
        4.2.3 魯棒加權狀態(tài)融合白噪聲反卷積平滑器
        4.2.4 魯棒集中式和加權觀測融合穩(wěn)態(tài)白噪聲反卷積平滑器
        4.2.5 精度分析
    4.3 混合不確定性系統(tǒng)魯棒集中式和加權觀測融合白噪聲反卷積
        4.3.1 虛擬噪聲方法進行模型轉換
        4.3.2 集中式和加權融合觀測方程
        4.3.3 魯棒融合時變白噪聲反卷積估值器
        4.3.4 魯棒融合時變白噪聲反卷積估值器的復雜性分析
        4.3.5 魯棒融合時變白噪聲反卷積估值器的收斂性分析
    4.4 仿真例子
    4.5 本章小結
結論
參考文獻
致謝
攻讀博士學位期間發(fā)表的學術論文
攻讀博士學位期間取得的其它成果


【參考文獻】：
期刊論文
[1]面向跟蹤系統(tǒng)的多傳感器信息融合魯棒保性能協(xié)方差交叉Kalman估計方法[J]. 楊智博,楊春山,鄧自立.  電子學報. 2017(07)
[2]不確定噪聲方差定常系統(tǒng)保性能魯棒Kalman濾波器[J]. 楊智博,楊春山,鄧自立.  控制理論與應用. 2016(04)
[3]帶不確定噪聲方差保性能魯棒集中式融合Kalman預報器[J]. 楊春山,楊智博,鄧自立.  控制與決策. 2016(06)
[4]具有乘性噪聲的線性離散時間隨機控制系統(tǒng)綜述[J]. 劉光明,蘇為洲.  控制理論與應用. 2013(08)
[5]具有測量數(shù)據(jù)丟失的離散不確定時滯系統(tǒng)魯棒Kalman濾波[J]. 陳博,俞立,張文安.  自動化學報. 2011(01)
[6]多丟包不確定離散系統(tǒng)的魯棒Kalman濾波[J]. 郭戈,王寶鳳.  自動化學報. 2010(05)
[7]基于Kalman濾波的通用和統(tǒng)一的白噪聲估計方法[J]. 鄧自立,許燕.  控制理論與應用. 2004(04)
[8]Optimum deconvolution algorithm for system with multiplicative white noise and additive correlative noise[J]. 王會立,陳希信.  Journal of Harbin Institute of Technology. 2004(03)
[9]時變系統(tǒng)的統(tǒng)一和通用的最優(yōu)白噪聲估值器[J]. 鄧自立.  控制理論與應用. 2003(01)
[10]基于Kalman濾波的白噪聲估計理論（英文）[J]. 鄧自立,許燕.  自動化學報. 2003(01)



本文編號：3173264