《无序量测下的多传感器观测噪声融合估计》PDF+DOC

📙 相关资料

1. 《多传感器一步延迟OOSMs序贯融合滤波》PDF+DOC 该文提出了一种序贯式多传感器一步延迟无序量测的融合估计算法。针对现有系统中存在的延迟量测问题，在单传感器一步延迟无序量测最优更新A1算法的基础上，引入序贯递推的思想，在线性最小方差准则下，提出了一种序贯式的多传感器一步延迟无序量测最优融合算法，提高了多OOSMs融合估计的实时性。仿真验证了该文算法的......
2. 《含无序量测的多传感器信息融合算法研究》PDF+DOC 由于通信时间的延迟性，在多传感器系统中常常会出现无序量测情况。为提高估计的精度，系统须对无序量测进行处理，状态更新法是处理无序量测问题的一种有效方法。对于多传感器信息融合问题，给出了一种处理无序量测的状态估计更新算法。仿真计算表明该算法能有效的提高融合估计的精度。...
3. 《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......
4. 《单传感器无序量测反馈估计算法》PDF+DOC 针对单传感器的无序量测问题，提出一种处理无序量测的反馈估计算法。该算法一旦出现延迟无序量测，融合中心将最后更新的状态估计回传至传感器进行若干采样周期的卡尔曼滤波，并将状态更新传至融合中心。该算法可保证实时性，具有良好的估计精度，仿真结果验证了算法的有效性。...
5. 《两传感器信息融合稳态Kalman滤波器和平滑器》PDF+DOC 应用Kalman滤波方法，基于Riccati方程，对输入噪声和观测噪声相关，且传感器观测噪声相关的两传感器系统，在线性最小方差最优信息融合准则下，提出了按矩阵加权最优信息融合Kalman滤波器和平滑器。为了计算最优加权阵，提出了局部估计误差互协方差阵的计算公式。同单传感器情况相比，可提高融合估计精度......
6. 《多传感器线性最小方差最优信息融合估计准则》PDF+DOC 用Lagrange乘数法和矩阵微分运算 ，分别提出了按矩阵加权、按标量加权和各分量按标量加权的三种线性最小方差信息融合估计准则 ，其中考虑了估计误差之间的相关性 ，推广和发展了现有文献的结果。文中比较了三种融合估计的精度和计算负担 ，可应用于信息融合状态或信号最优估计...
7. 《基于子波变换的多传感器最优信息融合估计》PDF+DOC 在线性最小方差最优信息融合准则下，提出了一种新的修正加权融合准则。在此基础上，结合子波域多尺度分解理论，构建了子波域多尺度多传感器按修正加权最优信息融合方法。该方法由于采用了修正的加权融合准则和子波域多尺度分解，提高了融合精度，减少了计算负担，便于实际应用。两个典型运动的仿真例子说明了其有效性。...
8. 《噪声相关下含无序量测的多传感器信息融合估计》PDF+DOC 多传感器跟踪系统中因通信延迟常会出现无序量测现象，为了提高系统估计精度，采用直接更新法对状态进行更新估计，并针对噪声相关下含无序量测的多传感器系统，提出了矩阵加权最优信息融合状态估计算法，考虑了过程噪声和量测噪声的相关性以及局部估计的误差相关性.仿真计算验证了算法的有效性。...
9. 《具有随机时延的多传感器最优标量加权融合估计》PDF+DOC 在实际的计算机系统中，当观测数据通过网络被传送到远程控制器时，时常发生具有随机性的时滞或观测数据丢失现象。针对这一问题，研究了数据传输具有一步随机延迟的多传感器动态系统的融合估计问题。按照标量加权的线性最小方差信息融合准则，对基于每个单传感器得到的局部最优状态估计进行了融合，得到了全局最优状态估计。......
10. 《一类多速率多传感器系统的状态融合估计算法》PDF+DOC 基于不同传感器以不同采样率对同一目标状态进行观测的多传感器单模型动态系统，该文提出了一种状态融合估计算法。不同传感器之间采样率之比可以是正有理数。该算法不仅具有好的实时性，而且在线性最小方差意义下是最优的。进一步可以证明：融合多个传感器获得的最高采样率下状态的估计值优于单传感器的估计结果，而减少任何......