《两传感器最优信息融合Kalman滤波器及其在跟踪系统中的应用》PDF+DOC

📙 相关资料

1. 《两传感器信息融合稳态最优Kalman滤波器》PDF+DOC 应用现代时间序列分析方法，基于ARMA新息模型提出了两传感器最优信息融合稳态Kalman滤波器。为实现最优融合，分别提出了计算局部滤波稳态误差方差和协方差阵的Lyapunov方程和拟Lyapunov方程及其迭代算法，并证明了算法的收敛性。一个仿真例子说明了其有效性。...
2. 《多传感器集中式观测融合Kalman滤波器快速算法》PDF+DOC 对多传感器线性离散时变随机系统，虽然基于Riccati方程的集中式观测融合Kalman滤波器算法可给出全局最优状态估计，但其缺点是要求计算高维逆矩阵，计算负担大。为了克服这个缺点，应用信息滤波原理，基于改进的Riccati方程，或逆预报误差方差阵方程，或逆滤波误差方差阵方程，提出了相应的全局最优集中......
3. 《信息融合超前k步稳态最优Kalman预报器和Wiener预报器》PDF+DOC 应用Kalman滤波方法，基于Riccati方程，在线性最小方差信息融合准则下，提出了两传感器信息融合超前k步稳态最优Kalman预报器和Wiener预报器，给出了最优加权阵和最小融合误差方差阵.同单传感器情形相比，可提高预报精度.一个雷达跟踪系统的仿真例子说明了其有效性。...
4. 《带有色观测噪声系统多传感器标量加权最优信息融合稳态Kalman滤波器》PDF+DOC 基于标量加权多传感器线性最小方差最优信息融合准则，对被多传感器观测的带有色观测噪声的离散线性随机控制系统，提出了一种具有两层融合结构的标量加权信息融合稳态Kalman滤波器，它等价于相应的带相关噪声系统的最优信息融合稳态Kalman预报器.最优信息融合稳态预报器可在所有局部预报器达到稳态时，通过一次......
5. 《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......
6. 《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......
7. 《两传感器自校正信息融合Kalman滤波器》PDF+DOC 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，对含有未知模型参数和噪声方差的两传感器线性离散随机系统，提出了自校正信息融合Kalman滤波器。它具有渐近最优性。一个仿真例子说明了其有效性。...
8. 《基于观测融合Kalman滤波算法的PID控制器》PDF+DOC 为了提高控制精度，可采用多个传感器对被控对象进行检测。本文基于Kalman滤波算法，应用加权最小二乘(WLS)观测融合方法，提出了对多个传感器所检测的数据进行最优加权，进而将融合后的数据经滤波后反馈到输入端，提高PID控制精度，一个三传感器信息融合PID控制器的仿真例子说明了该方法的有效性。...
9. 《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......
10. 《多传感器分布式融合白噪声反卷积滤波器》PDF+DOC 基于Kalman滤波方法和白噪声估计理论，在按矩阵加权线性最小方差最优融合准则下，提出了带ARMA有色观测噪声系统的多传感器分布式融合白噪声反卷积滤波器，其中推导出用Lyapunov方程计算最优加权的局部估计误差互协方差公式。与单传感器情形相比，可提高融合估值器精度。它可应用于石油地震勘探信号处理。......