隨著各個領域?qū)刂茖ο蟾櫨群腿蒎e性的要求日益提高,單傳感器檢測系統(tǒng)已經(jīng)逐漸難以滿足。多傳感器技術(shù)憑借自身的優(yōu)勢,在軍事、民用領域發(fā)揮著越來越重要的作用�；跔顟B(tài)空間模型,狀態(tài)估計方法能夠根據(jù)統(tǒng)計規(guī)律,對一系列含誤差的觀測數(shù)據(jù)進行分析,獲得隱于其中的被測量的估計值。在實際應用環(huán)境中,不可避免地存在著模型失配、精確噪聲難以獲得、初始條件未知等非理想條件,而這是以Kalman濾波(Kalman Filter,KF)為代表的無限脈沖響應(Infinite Impulse Response,IIR)估計難以從根本上解決的問題。有限脈沖響應(Finite Impulse Response,FIR)估計,僅利用最近有限觀測時域內(nèi)數(shù)據(jù),能夠?qū)Σ淮_定因素表現(xiàn)出更高的免疫性。本文針對FIR估計的擴展及其信息融合作了初步嘗試,具體研究內(nèi)容如下:(1)建立增廣模型,將更具一般化線性系統(tǒng)下的無偏FIR(Unbiased FIR,UFIR)濾波算法推廣至離散狀態(tài)時滯系統(tǒng)中。通過構(gòu)造增廣系統(tǒng)模型,對原系統(tǒng)進行無時滯轉(zhuǎn)換。在批量形式濾波器的推導過程中同時考慮控制信號的參與,并求解對應的迭代形式,令算法保留了類KF快...

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 狀態(tài)估計研究現(xiàn)狀
    1.3 信息融合研究現(xiàn)狀
    1.4 本文主要研究內(nèi)容
第二章 信息融合狀態(tài)估計基本方法
    2.1 引言
    2.2 信息融合基本方法
        2.2.1 集中式與分布式融合方法
        2.2.2 狀態(tài)與觀測融合方法
    2.3 狀態(tài)估計基本方法
        2.3.1 Kalman濾波
        2.3.2 FIR濾波
    2.4 本章小結(jié)
第三章 線性離散狀態(tài)時滯系統(tǒng)無偏FIR濾波
    3.1 引言
    3.2 模型描述
        3.2.1 模型的無時滯轉(zhuǎn)換
        3.2.2 擴展狀態(tài)空間模型
    3.3 時滯系統(tǒng)UFIR濾波
        3.3.1 無偏估計的批量形式
        3.3.2 迭代形式實現(xiàn)
    3.4 仿真結(jié)果
        3.4.1 模型1
        3.4.2 模型2
    3.5 本章小結(jié)
第四章 相關(guān)噪聲下分布式狀態(tài)融合無偏FIR濾波
    4.1 引言
    4.2 模型描述
        4.2.1 模型轉(zhuǎn)化
        4.2.2 擴展狀態(tài)空間模型
    4.3 局部UFIR濾波
    4.4 分布式信息融合濾波
        4.4.1 最優(yōu)融合準則
        4.4.2 融合估計誤差互協(xié)方差矩陣
    4.5 仿真結(jié)果
        4.5.1 目標跟蹤模型
        4.5.2 1自由度扭轉(zhuǎn)系統(tǒng)
    4.6 本章小結(jié)
第五章 基于迭代互協(xié)方差的分布式融合最優(yōu)無偏FIR濾波
    5.1 引言
    5.2 模型描述
    5.3 局部OUFIR濾波
        5.3.1 批量計算形式
        5.3.2 等價迭代形式
    5.4 分布式信息融合濾波
        5.4.1 互協(xié)方差及其迭代形式
        5.4.2 最優(yōu)加權(quán)融合OUFIR濾波
    5.5 仿真結(jié)果
        5.5.1 目標跟蹤模型
        5.5.2 1自由度扭轉(zhuǎn)系統(tǒng)
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻
附錄:基于Python的狀態(tài)估計仿真平臺的GUI設計
附錄:作者在攻讀碩士學位期間發(fā)表的論文



本文編號：4007769