《多模型多传感器信息融合Kalman平滑器》PDF+DOC

📙 相关资料

1. 《多模型多传感器标量加权信息融合》PDF+DOC 随着生产系统越来越复杂，多传感器的应用也越来越广泛。本文基于标量加权的线性最小方差最优信息融合算法，针对多模型多传感器离散线性随机系统，给出了一种分布式标量加权信息融合Kalman滤波器。它只需要计算标量加权系数，可减小在融合中心的计算负担，并通过仿真例子验证算法的有效性。...
2. 《多传感器最优信息融合Kalman多步预报器及其应用》PDF+DOC 提出了一种新的标量加权线性最小方差意义下的多传感器最优信息融合算法。该算法考虑了局部估计误差之间的相关性，只需计算加权标量，避免了加权矩阵的计算，明显减小了计算负担，便于实时应用。基于该融合算法，对被多个传感器观测的离散线性随机系统，给出了具有容错性的多传感器标量加权最优信息融合分布式Kalman多......
3. 《信息融合稳态最优Kalman平滑器》PDF+DOC 应用Kalman滤波方法 ，基于Riccati方程 ，在线性最小方差最优融合准则下 ，提出了按矩阵加权的两传感器最优融合稳态Kalman平滑器 ，给出了最优加权阵和最小融合误差方差阵。同单传感器Kalman平滑器相比 ，可提高平滑精度。一个雷达跟踪系统的仿真例子证明了其有效性...
4. 《多传感器信息融合平滑器算法研究》PDF+DOC 为了提高融合估计的精度，采用矩阵加权线性最小方差意义下的最优信息融合准则，对多传感器系统，考虑局部估计误差之间的相关性，给出了最优信息融合固定区间平滑器算法。理论和仿真实验表明，融合平滑器精度在总体上高于各局部子系统的估计精度。与融合预报器相比，融合平滑估计比预测平滑估计精度提高了近5倍，显著地改善......
5. 《自校正标量加权信息融合Kalman滤波器》PDF+DOC 对含未知噪声统计的多传感器系统，用现代时间序列分析方法，基于自回归滑动平均(ARMA)新息模型的在线辨识和求解相关函数矩阵方程组，可在线估计噪声统计，进而在按标量加权线性最小方差最优信息融合准则下，提出了自校正标量加权信息融合Kalman滤波器。它具有渐近最优性，且比每个局部自校正Kalman滤波器......
6. 《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......
7. 《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......
8. 《多传感器标量加权最优信息融合稳态Kalman滤波器》PDF+DOC 提出一种新的标量加权多传感器线性最小方差意义下的最优信息融合准则.该准则考虑了局部估计误差之间的相关性，只需计算加权标量系数，避免了加权矩阵的计算，明显减小了计算量，便于实时应用.运用稳态Kalman滤波理论，基于该融合准则，给出了多传感器最优信息融合稳态Kalman滤波器.在所有局部滤波器达到稳态......
9. 《两传感器信息融合超前k步稳态最优Kalman预报器》PDF+DOC 应用Kalman滤波方法 ，基于Riccati方程 ，对于带相关噪声的系统 ，在线性最小方差融合准则下 ，提出了两传感器按矩阵加权信息融合超前k步稳态最优Kalman预报器 ，给出了最优加权阵和最小融合预报误差方差阵的具体计算公式。同单传感器情形相比 ，可提高预报器的精度。一个跟踪系统的仿真例子说明......
10. 《基于Kalman滤波方法的多传感器信息融合最优白噪声反卷积滤波器》PDF+DOC 应用Kalman滤波方法和白噪声估计理论，在线性最小方差按矩阵加权最优信息融合准则下，提出了多传感器信息融合稳态最优白噪声反卷积滤波器，其中给出了局部滤波误差之间的协方差公式，它被用于计算最优融合加权阵.同单传感器情形相比，可提高滤波精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bern......