發(fā)布時(shí)間：2024-04-20 14:37

　　復(fù)雜環(huán)境下目標(biāo)探測(cè)與跟蹤是現(xiàn)代戰(zhàn)場(chǎng)分布式傳感器網(wǎng)絡(luò)的核心任務(wù),然而由于環(huán)境干擾、對(duì)抗欺騙以及模型、平臺(tái)偏差等未知因素導(dǎo)致的系統(tǒng)模型失配問題成為制約系統(tǒng)探測(cè)跟蹤能力的關(guān)鍵因素。因此如何實(shí)現(xiàn)模型失配情況下偏差建模、目標(biāo)狀態(tài)及偏差的聯(lián)合估計(jì)成為當(dāng)前研究的重點(diǎn),而在此基礎(chǔ)上如何進(jìn)一步高效實(shí)現(xiàn)多傳感器網(wǎng)絡(luò)協(xié)同探測(cè)及信息有效獲取則成為當(dāng)前面臨的挑戰(zhàn)性難題。為此,本文針對(duì)模型失配情況下隨機(jī)動(dòng)態(tài)系統(tǒng)偏差、目標(biāo)狀態(tài)和未知輸入的聯(lián)合估計(jì)以及多傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)協(xié)同喚醒策略等問題進(jìn)行了深入研究,主要內(nèi)容如下:1.針對(duì)傳感器模型存在失配項(xiàng)的問題,建立了基于不等式統(tǒng)計(jì)約束的系統(tǒng)偏差模型,并提出了基于凸優(yōu)化的最小上限濾波器,實(shí)現(xiàn)了不等式統(tǒng)計(jì)約束偏差存在時(shí)的狀態(tài)向量自適應(yīng)估計(jì),并以角速率傳感器為例驗(yàn)證其算法有效性。首先根據(jù)角速率傳感器輸出偏置漂移連續(xù)緩變特性將其建模為模有界未知系統(tǒng)偏差,然后通過在濾波過程中引入一個(gè)自由參數(shù)描述輸出漂移對(duì)估計(jì)誤差方差上限的影響,并實(shí)時(shí)參數(shù)尋優(yōu)得到角速率自適應(yīng)估計(jì)。該算法省去了角速率傳感器輸出漂移誤差建模過程,更容易滿足實(shí)際系統(tǒng)的應(yīng)用要求。2.針對(duì)傳感器失配項(xiàng)統(tǒng)計(jì)特性未知的問題,建立了未...

【文章頁數(shù)】：123 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 單傳感器等式約束下系統(tǒng)偏差估計(jì)及實(shí)際驗(yàn)證
        1.2.2 單傳感器中統(tǒng)計(jì)特性未知偏差建模及其估計(jì)
        1.2.3 多傳感器中統(tǒng)計(jì)特性未知的系統(tǒng)偏差建模及其估計(jì)
        1.2.4 分布式多傳感器網(wǎng)絡(luò)中協(xié)同喚醒策略研究
    1.3 研究?jī)?nèi)容與章節(jié)安排
第二章 不等式統(tǒng)計(jì)約束下傳感器系統(tǒng)偏差估計(jì)
    2.1 引言
    2.2 不等式統(tǒng)計(jì)約束下最小上限濾波設(shè)計(jì)
    2.3 濾波算法實(shí)現(xiàn)與實(shí)際驗(yàn)證
        2.3.1 角速率傳感器系統(tǒng)模型
        2.3.2 角速率傳感器中上限濾波算法
        2.3.3 最小上限濾波算法步驟
    2.4 最小上限濾波算法仿真和實(shí)驗(yàn)驗(yàn)證
        2.4.1 仿真驗(yàn)證
        2.4.2 實(shí)驗(yàn)驗(yàn)證
    2.5 本章小結(jié)
第三章 未知輸入驅(qū)動(dòng)下傳感器系統(tǒng)偏差估計(jì)
    3.1 前言
    3.2 問題提出
    3.3 未知輸入偏差建模
    3.4 未知輸入解耦濾波器設(shè)計(jì)
    3.5 濾波穩(wěn)定性分析
    3.6 仿真分析
    3.7 本章小結(jié)
第四章 基于網(wǎng)絡(luò)共識(shí)的多傳感器系統(tǒng)偏差估計(jì)
    4.1 引言
    4.2 問題提出
    4.3 傳感器網(wǎng)絡(luò)偏差估計(jì)算法
        4.3.1 本地系統(tǒng)狀態(tài)和系統(tǒng)偏差LMMSE濾波器
        4.3.2 目標(biāo)狀態(tài)和系統(tǒng)未知輸入U(xiǎn)I的全局共識(shí)算法
    4.4 仿真分析
        4.4.1 包含12 個(gè)節(jié)點(diǎn)的傳感網(wǎng)絡(luò)仿真算例
        4.4.2 包含60 個(gè)節(jié)點(diǎn)的傳感網(wǎng)絡(luò)仿真算例
        4.4.3 算法計(jì)算量分析
    4.5 本章小結(jié)
第五章 基于生物免疫機(jī)制的網(wǎng)絡(luò)節(jié)點(diǎn)協(xié)同喚醒策略
    5.1 前言
    5.2 傳染-免疫仿生模型
        5.2.1 基本概念與規(guī)則
        5.2.2 模型變量定義
    5.3 六個(gè)子過程
        5.3.1 直接感染和交叉感染的發(fā)生概率
        5.3.2 直接感染和交叉感染的免疫/免疫缺失
        5.3.3 直接感染和交叉感染的病毒量
        5.3.4 免疫細(xì)胞生成
        5.3.5 免疫記憶
        5.3.6 病毒累積量
    5.4 傳染-免疫模型與傳感網(wǎng)絡(luò)節(jié)點(diǎn)喚醒對(duì)應(yīng)關(guān)系
        5.4.1 節(jié)點(diǎn)喚醒問題描述
        5.4.2 基于傳染-免疫模型的聯(lián)合喚醒控制
    5.5 仿真驗(yàn)證
        5.5.1 節(jié)點(diǎn)喚醒效率
        5.5.2 功耗及定位誤差
        5.5.3 節(jié)點(diǎn)喚醒實(shí)時(shí)狀態(tài)
    5.6 結(jié)論
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 研究展望
附錄
參考文獻(xiàn)
作者博士期間的學(xué)術(shù)成果
作者博士期間參與的項(xiàng)目
致謝



本文編號(hào)：3959555