本文關(guān)鍵詞：信息融合魯棒Kalman濾波器

  更多相關(guān)文章： 多傳感器信息融合 不確定噪聲方差系統(tǒng) 魯棒Kalman濾波 極大極小魯棒估計(jì)方法 Lyapunov方程方法

【摘要】：卡爾曼濾波被廣泛應(yīng)用于各種工程實(shí)踐和信號(hào)處理中,經(jīng)典Kalman濾波只適合于解決模型參數(shù)和噪聲方差精確已知系統(tǒng)的狀態(tài)估計(jì)問題。然而,在許多理論和工程應(yīng)用問題中,模型參數(shù)和噪聲方差的不確定性是廣泛存在的。當(dāng)模型參數(shù)和噪聲方差出現(xiàn)不確定性時(shí),應(yīng)用經(jīng)典Kalman濾波理論,濾波性能會(huì)降低甚至?xí)馂V波器的發(fā)散。為了解決不確定系統(tǒng)的濾波問題,近些年,有關(guān)魯棒Kalman濾波的一些研究成果已經(jīng)被提出。所謂的魯棒Kalman濾波器是指設(shè)計(jì)一個(gè)濾波器使其對所有容許的不確定性,它的相應(yīng)的實(shí)際濾波誤差方差陣被保證有一個(gè)最小上界。目前針對帶模型參數(shù)不確定系統(tǒng),有兩種基本方法來設(shè)計(jì)魯棒Kalman濾波器,一種方法是Riccati方程方法,一種是線性矩陣不等式(LMI)方法。這兩種方法的缺點(diǎn)是主要適用于帶模型參數(shù)不確定,噪聲方差精確已知的不確定系統(tǒng)的魯棒Kalman濾波設(shè)計(jì)。而且大多數(shù)文獻(xiàn)沒有考慮多傳感器信息融合魯棒濾波器的設(shè)計(jì)問題,且融合魯棒濾波器的魯棒性問題沒有完全解決。因此本論文針對帶不確定噪聲方差的多傳感器系統(tǒng)研究信息融合魯棒Kalman濾波問題。對噪聲方差不確定的多傳感器系統(tǒng),本文的主要工作如下:基于極大極小魯棒估計(jì)原理,提出了一種設(shè)計(jì)魯棒局部和融合Kalman濾波器的新方法:即對帶保守噪聲方差上界的最壞情形保守系統(tǒng),在無偏線性最小方差(ULMV)最優(yōu)估計(jì)準(zhǔn)則下,可得帶保守觀測的保守最優(yōu)局部和融合Kalman濾波器,將保守觀測用真實(shí)系統(tǒng)的實(shí)際觀測代替,可得魯棒局部和融合Kalman濾波器及其在一般情形下實(shí)際濾波誤差方差的最小上界。提出了魯棒性分析的Lyapunov方程方法,將魯棒性證明問題轉(zhuǎn)化為判定Lyapunov方程的解的正定性問題,對所提出的局部和融合魯棒Kalman估值器的魯棒性進(jìn)行了嚴(yán)格的證明,不同于以往文獻(xiàn)中提出的Riccati方程方法和線性矩陣不等式(LMI)方法。對不確定噪聲方差系統(tǒng)提出了魯棒精度和實(shí)際精度概念及魯棒精度分析方法,并且證明了所提出的魯棒估值器之間的魯棒精度關(guān)系。提出了五種魯棒加權(quán)融合時(shí)變Kalman估值器(濾波器、預(yù)報(bào)器和平滑器)。其中包括3種狀態(tài)融合(按矩陣加權(quán)、按標(biāo)量加權(quán)和按對角陣加權(quán))魯棒Kalman估值器,一種改進(jìn)的協(xié)方差交叉(CI)融合魯棒Kalman估值器和一種加權(quán)觀測融合魯棒Kalman估值器。其中基于增廣狀態(tài)方法得到了魯棒加權(quán)融合Kalman平滑器,且所提出的改進(jìn)的CI魯棒融合器包含局部估值器之間的保守互協(xié)方差信息,相比于原始的不考慮互協(xié)方差信息的CI融合器,提高了CI融合器的魯棒精度,給出了實(shí)際估值誤差方差陣的一個(gè)最小上界。通過對時(shí)變局部和融合魯棒Kalman估值器取極限的間接方法,提出了相應(yīng)的局部和融合魯棒穩(wěn)態(tài)Kalman估值器,且通過動(dòng)態(tài)誤差系統(tǒng)分析方法(DESA)和動(dòng)態(tài)方差誤差系統(tǒng)分析方法(DVESA),證明了所提出的時(shí)變和穩(wěn)態(tài)魯棒估值器彼此按實(shí)現(xiàn)收斂�；诜�(wěn)態(tài)Kalman濾波理論,提出了一種簡單直接方法設(shè)計(jì)局部和融合魯棒穩(wěn)態(tài)Kalman估值器�；跇O大極小魯棒估計(jì)原理,對帶不確定噪聲方差的帶時(shí)滯或不帶時(shí)滯的傳感網(wǎng)絡(luò)系統(tǒng)提出了兩級分簇序貫協(xié)方差交叉融合魯棒Kalman估值器(濾波器和預(yù)報(bào)器)�？杀苊庥�(jì)算互協(xié)方差,減小計(jì)算負(fù)擔(dān),其中應(yīng)用最鄰近法則,將傳感器的節(jié)點(diǎn)分成簇來減小通信負(fù)擔(dān)并節(jié)省節(jié)點(diǎn)能量。本文用若干仿真例子說明了上述算法的正確性與有效性。
【關(guān)鍵詞】：多傳感器信息融合 不確定噪聲方差系統(tǒng) 魯棒Kalman濾波 極大極小魯棒估計(jì)方法 Lyapunov方程方法
【學(xué)位授予單位】：黑龍江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN713
【目錄】：

• 中文摘要7-9
• Abstract9-18
• 第1章 緒論18-40
• 1.1 引言18-19
• 1.2 最優(yōu)信息融合Kalman濾波基本方法19-22
• 1.2.1 集中式與分布式融合方法19-21
• 1.2.2 狀態(tài)與觀測融合方法21-22
• 1.3 不確定系統(tǒng)魯棒Kalman濾波方法22-30
• 1.3.1 不確定系統(tǒng)描述22-26
• 1.3.2 幾種重要的魯棒Kalman濾波方法26-30
• 1.4 魯棒Kalman濾波的發(fā)展概況和研究現(xiàn)狀30-37
• 1.5 論文的主要工作37-40
• 1.5.1 論文的主要內(nèi)容37-39
• 1.5.2 論文結(jié)構(gòu)安排39-40
• 第2章 不確定系統(tǒng)信息融合魯棒時(shí)變Kalman濾波器40-124
• 2.1 引言40
• 2.2 加權(quán)融合魯棒時(shí)變Kalman濾波器40-69
• 2.2.1 局部魯棒時(shí)變Kalman濾波器41-45
• 2.2.2 加權(quán)融合魯棒時(shí)變Kalman濾波器45-58
• 2.2.3 魯棒精度分析58-59
• 2.2.4 局部和融合魯棒穩(wěn)態(tài)Kalman濾波器59-69
• 2.3 加權(quán)融合魯棒時(shí)變Kalman預(yù)報(bào)器69-84
• 2.3.1 局部魯棒時(shí)變Kalman預(yù)報(bào)器69-72
• 2.3.2 加權(quán)觀測融合魯棒時(shí)變Kalman預(yù)報(bào)器72-77
• 2.3.3 魯棒精度分析77-79
• 2.3.4 局部和融合魯棒穩(wěn)態(tài)Kalman預(yù)報(bào)器79-84
• 2.4 加權(quán)融合魯棒時(shí)變和穩(wěn)態(tài)Kalman平滑器84-106
• 2.4.1 局部魯棒時(shí)變Kalman平滑器85-88
• 2.4.2 加權(quán)融合魯棒時(shí)變Kalman平滑器88-97
• 2.4.3 魯棒精度分析97-98
• 2.4.4 局部和加權(quán)融合魯棒穩(wěn)態(tài)Kalman平滑器98-106
• 2.5 仿真例子106-122
• 2.6 本章小結(jié)122-124
• 第3章 不確定系統(tǒng)信息融合魯棒穩(wěn)態(tài)Kalman濾波器——直接方法124-148
• 3.1 引言124
• 3.2 加權(quán)融合魯棒穩(wěn)態(tài)Kalman濾波器124-134
• 3.2.1 局部魯棒穩(wěn)態(tài)Kalman濾波器125-126
• 3.2.2 加權(quán)融合魯棒穩(wěn)態(tài)Kalman濾波器126-133
• 3.2.3 魯棒精度分析133-134
• 3.3 加權(quán)融合魯棒穩(wěn)態(tài)Kalman平滑器134-145
• 3.3.1 局部魯棒穩(wěn)態(tài)Kalman平滑器134-138
• 3.3.2 加權(quán)融合魯棒穩(wěn)態(tài)Kalman平滑器138-145
• 3.4 仿真例子145-147
• 3.5 本章小結(jié)147-148
• 第4章 不確定分簇傳感網(wǎng)絡(luò)系統(tǒng)信息融合魯棒穩(wěn)態(tài)Kalman濾波器148-176
• 4.1 引言148-149
• 4.2 兩級序貫協(xié)方差交叉（SCI）融合魯棒穩(wěn)態(tài)Kalman預(yù)報(bào)器149-161
• 4.2.1 局部魯棒穩(wěn)態(tài)Kalman預(yù)報(bào)器149-152
• 4.2.2 兩級序貫協(xié)方差交叉（SCI）融合魯棒穩(wěn)態(tài)Kalman預(yù)報(bào)器152-160
• 4.2.3 精度分析160-161
• 4.3 帶觀測滯后兩級序貫協(xié)方差交叉（SCI）融合魯棒穩(wěn)態(tài)Kalman濾波器161-171
• 4.3.1 觀測變換161-163
• 4.3.2 局部魯棒穩(wěn)態(tài)Kalman濾波器163-165
• 4.3.3 兩級SCI融合魯棒穩(wěn)態(tài)Kalman濾波器165-171
• 4.3.4 兩級SCI融合器魯棒精度分析171
• 4.4 仿真例子171-175
• 4.5 本章小結(jié)175-176
• 結(jié)論176-178
• 參考文獻(xiàn)178-190
• 致謝190-192
• 攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文192-196
• 攻讀博士學(xué)位期間取得的其它成果196

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李天翼;王明輝;常化文;陳淑清;;基于熵檢測的圖像噪聲方差小波域估計(jì)[J];北京郵電大學(xué)學(xué)報(bào);2011年05期

2 趙海艷;陳虹;;噪聲方差不確定約束系統(tǒng)的滾動(dòng)時(shí)域估計(jì)[J];控制與決策;2008年02期

3 胡士強(qiáng),敬忠良;基于噪聲方差估計(jì)的穩(wěn)健融合算法[J];儀器儀表學(xué)報(bào);2004年S1期

4 陳宗民;周治平;;噪聲方差和紋理復(fù)雜度分析的源相機(jī)識(shí)別[J];計(jì)算機(jī)應(yīng)用;2012年06期

5 曲巍崴;高峰;;基于噪聲方差估計(jì)的小波閾值降噪研究[J];機(jī)械工程學(xué)報(bào);2010年02期

6 朱嘉鋼;王士同;楊靜宇;;r-SVR中參數(shù)r與輸入噪聲間線性反比關(guān)系的仿真研究[J];計(jì)算機(jī)科學(xué);2005年09期

7 李天翼;王明輝;吳亞娟;�；�;;圖像噪聲方差的小波域估計(jì)算法[J];北京工業(yè)大學(xué)學(xué)報(bào);2012年09期

8 劉鵬;劉定生;;基于噪聲方差來計(jì)算變分圖像反卷積的規(guī)整化參數(shù)[J];光學(xué)學(xué)報(bào);2009年09期

9 郝惠娟;秦超英;丁維福;;噪聲方差未知情況下多傳感器航跡融合[J];傳感技術(shù)學(xué)報(bào);2006年06期

10 劉艷麗;郭延文;王進(jìn);彭群生;;噪聲方差未知的小波域中非局部均值圖像去噪[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2009年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前3條

1 崔旭東;劉瑞根;;圖像中的噪聲方差估計(jì)[A];中國工程物理研究院科技年報(bào)（2000）[C];2000年

2 胡士強(qiáng);敬忠良;;基于噪聲方差估計(jì)的穩(wěn)健融合算法[A];第二屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

3 顏東;顏寧;;不同噪聲方差冗余傳感器解析余度設(shè)計(jì)[A];1997中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 齊文娟;信息融合魯棒Kalman濾波器[D];黑龍江大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 黃芳;WLAN鏈路仿真平臺(tái)幀聚合機(jī)制及噪聲方差估計(jì)算法實(shí)現(xiàn)與仿真[D];西南交通大學(xué);2014年

，

本文編號(hào)：920219