《多传感器协同辨识自校正加权观测融合Kalman滤波器》PDF+DOC

📙 相关资料

1. 《隐式自校正加权观测融合Kalman滤波器》PDF+DOC 对于带未知噪声方差的线性离散定常随机系统，利用多个结构相同但精度不同的传感器进行观测，各观测结果之差可以产生多组新的白噪声序列，利用各组白噪声的相关函数阵解矩阵方程组，可解得各传感器观测噪声方差Ri.通过状态方程和观测方程以及观测噪声估值，可求得ΓQwΓT的估计，进而得到隐式自校正加权观测融合Kal......
2. 《自校正解耦融合Kalman滤波器及其收敛性》PDF+DOC 对带未知噪声统计的多传感器系统，提出了基于相关方法的噪声统计在线估值器，进而提出了自校正Riccati方程和自校正Lyapunov方程。在按分量标量加权线性最小方差最优信息融合准则下，提出了自校正分量解耦融合Kalman滤波器，并用动态误差系统分析(DESA)方法证明了它收敛于最优分量解耦融合稳态K......
3. 《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。...
4. 《自校正信息融合Wiener滤波器及其收敛性》PDF+DOC 对带未知噪声统计的多传感器系统，用求解相关函数矩阵方程组的方法得到噪声统计在线估值器，并提出了自校正Lyapunov方程。用现代时间序列分析方法，基于滑动平均(MA)新息模型的辨识，在按分量标量加权线性最小方差最优信息融合准则下，提出了自校正分量解耦融合Wiener滤波器，并用动态误差系统分析(DE......
5. 《基于KALMAN滤波的两种多传感器观测融合方法》PDF+DOC 目前有两种基于K a lm an滤波的多传感器观测融合方法，方法1是将观测向量的维数增加，获得扩展观测向量。方法2是在最小均方误差准则下，对不同传感器间的观测向量进行加权运算，获得与单个传感器相同维数的观测向量。通过对滤波器的状态估计误差协方差的分析和相关数学表达式，给出了两种方法的对比。仿真结果表......
6. 《两传感器最优观测融合解耦Wiener状态估值器》PDF+DOC 基于观测数据融合功能等价性原理，利用加权方法合并两传感器系统的各传感器的观测方程为一个最优融合观测方程，可得到全局最优稳态Kalman滤波器，进而可得到等价的解耦W iener状态估值器.可统一处理滤波、预报和平滑问题.且它可减小计算负担，便于实时应用.一个目标跟踪系统的仿真例子说明其有效性。...
7. 《多传感器次优Kalman滤波器及其融合效果评价》PDF+DOC 给出一种简单有效的次优Kalman滤波融合算法，用相对误差协方差矩阵和绝对误差均值等量化指标分析了融合算法的有效性，并用计算机仿真结果对融合效果做进一步验证。...
8. 《带未知有色观测噪声的自校正融合Kalman滤波器》PDF+DOC 对于带未知有色观测噪声的多传感器线性离散定常随机系统，未知模型参数和噪声方差的一致的融合估值器用递推增广最小二乘法(RELS)和求解相关函数方程得到.将这些估值器代入到最优解耦融合Kalman滤波器中，得出了自校正解耦融合Kalman滤波器，并用动态方差误差系统分析(DVESA)和动态误差分析(DE......
9. 《自校正信息融合Wiener滤波器在信号处理中的应用研究》PDF+DOC 多传感器信息融合已成为许多高科技领域的关键技术，目前已成为倍受人们关注的热门领域。本文对于含有未知模型参数和未知观测噪声的单通道AR信号，应用Kalman滤波方法，基于AR模型参数RIV算法的在线辨识，提出了采用状态空间模型的AR信号自校正信息融合Wiener滤波器，并在信号处理中的应用进行了研究。...
10. 《两传感器广义系统信息融合Kalman滤波器》PDF+DOC 基于矩阵理论和时域上的Kalman滤波理论，针对两传感器广义离散随机线性系统进行研究，运用矩阵约当分解，将一类广义系统化为正常系统，并利用标量加权准则下的最优信息融合Kalman滤波理论，给出一类两传感器广义系统Kalman信息融合滤波器，同单传感器情形相比，可大大提高滤波精度，具有实际应用价值。...