《两传感器信息融合稳态最优Kalman滤波器》PDF+DOC

📙 相关资料

1. 《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......
2. 《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......
3. 《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。...
4. 《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 针对两传感器信息融合 ，提出了一种在标量加权下的最优信息融合 Kalm an滤波器。该信息融合滤波器考虑了局部滤波误差的相关性 ，避免了局部滤波误差方差阵的逆矩阵的计算 ，也避免了加权矩阵的计算 ，只要求计算加权系数 ，便于实时应用。一个跟踪系统的仿真例子验证了其有效性。...
5. 《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。...
6. 《多传感器最优信息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，在线性最小方差按矩阵加权最优信息融合准则下，提出了带相关噪声系统多传感器信息融合白噪声反卷积滤波器.提出了各传感器滤波误差之间的协方差阵计算公式，可用于计算最优融合加权阵.同单传感器情形相比，可提高融合滤波精度.它可减少在线计算负担，便于实时应用.它可应用于......
7. 《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......
8. 《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......
9. 《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...
10. 《两传感器信息融合最优白噪声反卷积Wiener滤波器》PDF+DOC 应用现代时间序列分析方法和白噪声估计理论，提出了两传感器最优信息融合白噪声反卷积Wiener滤波器，其中给出了局部滤波误差之间的协方差公式，它可被用于计算最优融合加权系数。一个仿真例子说明了其有效性。...