傳統(tǒng)的Kalman濾波算法主要被用于不考慮偏差的各類系統(tǒng),若執(zhí)意將其用于帶偏差的系統(tǒng),濾波估計(jì)結(jié)果并不理想。增強(qiáng)狀態(tài)Kalman濾波器和兩階段Kalman濾波器是為數(shù)不多的可以較好地被運(yùn)用到帶偏差系統(tǒng)的算法,但上述兩種算法的各類延伸及應(yīng)用中,噪聲相關(guān)性的問題較少被提及。經(jīng)過(guò)各類工程應(yīng)用和理論研究表明,系統(tǒng)的各類噪聲不相關(guān)的簡(jiǎn)單假設(shè),已經(jīng)不能滿足人們的要求。同時(shí),對(duì)于濾波算法的研究大多集中于線性系統(tǒng),線性系統(tǒng)僅是一種特例。毫無(wú)疑問地,各類非線性系統(tǒng)也面臨著偏差的影響,因此,帶偏差的非線性系統(tǒng)的濾波估計(jì)算法的研究也變得有意義。針對(duì)上述問題我們做了以下工作:(1)提出一種噪聲相關(guān)系統(tǒng)的兩階段Kalman濾波算法。通過(guò)考慮實(shí)際工程中過(guò)程噪聲與測(cè)量噪聲相關(guān)的客觀事實(shí),以兩階段方法為基礎(chǔ),引入一種噪聲相關(guān)性的解相關(guān)技術(shù),建立一種更具有廣泛適用性的系統(tǒng)偏差估計(jì)方法。(2)建立噪聲相關(guān)帶偏差多傳感器系統(tǒng)的兩階段Kalman濾波融合算法。針對(duì)帶有動(dòng)態(tài)偏差的噪聲相關(guān)多傳感器系統(tǒng),以噪聲相關(guān)的兩階段Kalman濾波器為基礎(chǔ),提出新的融合方式:首先,分別對(duì)多個(gè)無(wú)偏差狀態(tài)濾波器和多個(gè)偏差濾波器進(jìn)行并行式融合,然...

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．３分布式融合結(jié)構(gòu)［１１］??

集中式結(jié)構(gòu)融合估計(jì)，將各個(gè)局部傳感器的量測(cè)數(shù)據(jù)集中送到主融合中心進(jìn)??行集中擴(kuò)維，然后基于集中后的測(cè)量數(shù)據(jù)，利用Ｋａｌｍａｎ濾波進(jìn)行處理，得到系??統(tǒng)狀態(tài)向量的最優(yōu)估計(jì)，過(guò)程如圖２．２所示［６］。??／?傳感器１????融??傳感器２?—ＳＭｉｔｉ?合全局估計(jì)》??＇?＼?Ｉ??....

圖２．２集中式融合結(jié)構(gòu)Ｗ??

集中式結(jié)構(gòu)融合估計(jì)，將各個(gè)局部傳感器的量測(cè)數(shù)據(jù)集中送到主融合中心進(jìn)??行集中擴(kuò)維，然后基于集中后的測(cè)量數(shù)據(jù)，利用Ｋａｌｍａｎ濾波進(jìn)行處理，得到系??統(tǒng)狀態(tài)向量的最優(yōu)估計(jì)，過(guò)程如圖２．２所示［６］。??／?傳感器１????融??傳感器２?—ＳＭｉｔｉ?合全局估計(jì)》??＇?＼?Ｉ??....

圖32ASKF和ASKFCN的跟蹤圖

杭州電子科技大學(xué)碩士學(xué)位論文模型［５７］，選擇一個(gè)噪聲相關(guān)性矩陣Ｗｆ。在同一個(gè)仿真背景下Ｋａｌｍａｎ濾波器（ＡＳＫＦ），噪聲相關(guān)的增強(qiáng)狀態(tài)ＫａｌｍａｎＮ），兩階段Ｋａｌｍａｎ濾波器（ＴＳＫＦ），噪聲相關(guān)的兩階段ＫＫＦＣＮ）進(jìn)行仿真，比較它們的濾波估計(jì)效果。??真時(shí)間設(shè)置為１？１０....

圖３．３?ＡＳＫＦ和ＡＳＫＦＣＮ的誤差圖??表３．１?ＡＳＫＦ和ＡＳＫＦＣＮ的濾波精度對(duì)比??均方根誤差?ＡＳＫＦ?ＡＳＫＦＣＮ??

０?１０?２０?３０?４０?５０?６０?７０?８０?９０?１００??時(shí)間??圖３．２?ＡＳＫＦ和ＡＳＫＦＣＮ的跟蹤圖??０．８?Ｉ?，?，?１?，?，?，?，?｜?—，??—？—ＡＳＫＦ??ｃ?°－６?＇?？?—ＡＳＫＦＣＮ?＇??０?１０?２０?３０?４０?５０?６０?７０?８....

本文編號(hào)：3957755