《两传感器信息融合稳态Kalman滤波器和平滑器》PDF+DOC

📙 相关资料

1. 《多传感器分布式融合Kalman预报器》PDF+DOC 应用现代时间序列分析方法，基于ARMA新息模型，在线性最小方差最优信息融合准则下，对于输入噪声与观测噪声相关且观测噪声相关的多传感器系统，分别提出了按矩阵加权、按标量加权和按对角阵加权的3种分布式融合稳态Kalman预报器。其中提出了基于Lyapunov方程的局部预报估值误差方差阵和协方差阵计算公式......
2. 《带有色观测噪声的广义系统Kalman滤波器》PDF+DOC 对于带多传感器的广义线性离散随机系统，应用奇异值分解，并通过对观测方程的状态变换，将带有色观测噪声的系统变换为等价的带相关噪声的两个降阶多传感器子系统。应用Kalman滤波方法，在线性最小方差按块对角阵加权融合准则下，提出了按矩阵加权融合降阶广义Kalman滤波器，可减少计算负担和改善局部滤波精度。......
3. 《快速信息融合Kalman滤波器》PDF+DOC 应用现代时间序列分析方法，在标量加权线性最小方差融合准则下，提出一种多传感器快速信息融合稳态Kalman滤波器.基于ARMA新息模型计算稳态Kalman滤波器增益，提出了计算传感器之间的滤波误差方差阵和协方差阵的Lyapunov方程，它可用迭代法求解，并证明了迭代解的指数收敛性.与基于Riccati......
4. 《基于Kalman滤波的自回归滑动平均信号信息融合Wiener滤波器》PDF+DOC 应用Kalman滤波方法，在按矩阵加权线性最小方差最优信息融合规则下，提出了带白色观测噪声的多通道ARMA信号的多传感器信息融合Wiener滤波器.它可统一处理信息融合滤波、平滑和预报问题.为了计算最优加权阵，提出了计算局部滤波误差互协方差阵的公式.同单传感器情形相比，可提高估计精度.一个带三传感器......
5. 《带位置和速度观测的信息融合Kalman跟踪滤波器》PDF+DOC 应用基于ARMA模型的现代时间序列分析方法，和应用基于Riccati方程的经典Kalman滤波方法，对带位置和速度观测的两传感器系统，在线性最小方差信息融合准则下，分别提出了按矩阵加权、对角阵加权和标量加权的三种信息融合Kalman跟踪滤波器，其中，按标量加权可明显减少计算负担，便于实时应用。一个仿......
6. 《两传感器按对角阵加权信息融合稳态Kalman滤波器》PDF+DOC 应用现代时间序列分析方法，在按对角阵加权线性最小方差最优信息融合准则下，基于Riccati方程，提出两传感器信息融合稳态最优Kalman滤波器.与按矩阵加权最优融合.Kalman滤波器相比，可减少计算负担，与单传感器情形相比，提高了滤波精度.一个仿真例子说明其有效性。...
7. 《多传感器按对角阵加权信息融合Kalman滤波器》PDF+DOC 在按对角阵加权线性最小方差最优信息融合准则下，提出了多传感器按对角阵加权信息融合稳态Kalman滤波器，它等价于关于状态分量的按标量加权信息融合Kalman滤波器，与按矩阵加权信息融合Kalman滤波器相比，可明显减小计算负担，便于实时直用。一个雷达跟踪的仿真例子说明了其有效性。...
8. 《复杂有色噪声广义系统信息融合Kalman滤波器》PDF+DOC 针对带复杂有色噪声的线性广义系统，提出了矩阵加权融合稳态Kalman滤波器。应用奇异值分解将原广义系统滤波问题转化为两个正常子系统滤波问题。通过状态增广与量测变换法将有色过程噪声、有色量测噪声化为白噪声，因此问题转化为带相关白噪声正常系统Kalman预报问题。基于线性最小方差意义与矩阵加权融合准则得......
9. 《带有色观测噪声的广义系统Kalman滤波器》PDF+DOC 对于带自回归滑动平均(ARMA)有色观测噪声的多传感器为广义离散随机线性系统，应用奇异值分解，将其变换为等价的两个降阶多传感器子系统，提出了广义系统多传感器信息融合状态滤波问题。为了提高精度，采用Kalman滤波方法，在线性最小方差按块对角阵最优加权融合准则下，给出了按矩阵加权解耦的分布式Kalma......
10. 《多传感器信息融合Wiener滤波器和平滑器》PDF+DOC 应用现代时间序列分析方法，基于ARMA新息模型和增广状态空间模型，应用标量加权最优融合准则，对于带白色和有色观测噪声的ARMA信号，提出了多传感器分布式最优信息融合Wiener滤波器和平滑器，其中给出了计算局部平滑误差方差和互协方差的计算公式，它们可被用于计算最优加权系数。同单传感器情形相比，可提高......