《子波域一种新的多尺度多传感器状态估计》PDF+DOC

📙 相关资料

1. 《基于多尺度Kalman滤波的多传感器数据融合》PDF+DOC 通过分析多尺度动态系统模型，提出了一种基于小波变换的Kalman多传感器数据融合算法。该算法结合了Kalman滤波的实时性、递归性和小波变换的多尺度特性，能对多传感器的观测数据有效地融合。算法首先将最细尺度上观测数据滤波后得到的估计序列小波分解到各尺度上；然后在各尺度上，利用该尺度上的传感器观测数据......
2. 《多尺度随机建模与分布式多传感器数据融合估计》PDF+DOC 针对不同尺度上拥有不同特征的传感器对同一目标状态进行检测的多传感器单模型动态系统 ，利用小波将最细尺度上的状态方程进行有效分解 ，基于小波变换的分析、综合形式建立起以尺度为变量的动态多尺度随机模型。利用该模型将各个尺度上状态的局部估计结果进行有效综合 ，从而在最细尺度上获得目标基于全局信息的最优估计......
3. 《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。...
4. 《多传感器组合导航系统的多尺度滤波算法》PDF+DOC 基于多尺度的思想，首先将在最细尺度上建立的状态方程、量测方程改写为以数据块形式描述的对应方程；然后利用小波变换技术将最细尺度上的块状态向量向粗尺度上分解，并将在最细尺度上建立的量测方程表达为粗尺度上状态向量的函数；最后结合常规Kalman滤波技术，建立了一种动态系统的多尺度单模型滤波方法.将上述算法......
5. 《多传感器组合导航系统的多尺度分布式滤波算法》PDF+DOC 将模型的动态系统分析与具有统计特性的多尺度信号变换方法相结合，首先将状态方程采用数据块变换的方式以得到新的状态块方程，并将量测方程表达为数据块的形式；然后将量测向量进行多层小波变换以得到新的量测向量，并结合状态块方程进行卡尔曼滤波；最后根据卡尔曼滤波结果建立多尺度分布式融合估计算法。仿真结果表明，相......
6. 《GPS的多尺度滤波算法研究》PDF+DOC 将基于模型的GPS动态系统分析方法与基于统计特性的多尺度信号变换方法相结合，在某一尺度上给定的单传感器单模型动态系统中建立起一个新的多尺度动态模型。基于建立的多尺度模型和常规Kalman滤波，提出一个能同时对随机信号进行多尺度分解与多尺度估计的新算法，并通过Haar小波仿真试验获得了比仅利用Kalm......
7. 《多小波基多尺度多传感器数据融合》PDF+DOC 多传感器数据融合技术已经被广泛应用在多个领域，小波多尺度分解对数据的分析具有独特的优点，小波基的选择对数据融合结果也起着关键的作用。提出一种新的基于多个小波基的数据融合算法，先对含有噪声的传感器信号进行多个不同小波基的多尺度分解，然后对相同小波基分解的信号在多尺度上实施加权数据融合算法，之后进行不同......
8. 《基于多尺度分布式融合估计的GPS/INS组合导航系统的研究》PDF+DOC 针对如何融合多传感器的数据、提高数据处理的可靠性和精度的问题，将基于模型的动态系统分析方法与基于统计特性的多测度信号变换方法相结合，提出基于Kalman滤波的多尺度分解与估计联合的多尺度分布式融合估计算法。该算法首先建立系统的动态方程和观测方程，再利用小波变换将数据在不同尺度上进行融合处理，归纳出该......
9. 《多尺度递归融合估计在组合导航系统中的应用》PDF+DOC 多尺度递归融合估计是对多传感器系统进行的基于尺度的融合估计算法。利用小波变换中多尺度分析的思想，构造出多尺度动态模型，利用该模型对粗尺度上的状态估计值进行修正，递归获得最细尺度上基于全局测量值的最优估计值，该估计值是方差最小意义下的最优估计。将此算法应用于SINS/GPS组合导航系统中，仿真结果表明......
10. 《基于多尺度Kalman数据融合滤波》PDF+DOC 本文通过分析基于小波变换的动态系统模型，提出一种基于小波多尺度的Kalman数据滤波方法，本文利用小波的多尺度特点，把初始估计序列多尺度分解，并在不同尺度层上进行Kalman滤波估计，再利用小波重构来融合各层的估计信息，把标准Kalman滤波只在单一尺度和时间轴上对状态估计值和误差协方差进行数据更新......