《具有多丢包的随机奇异系统的分布式后验滤波器》PDF+DOC

📙 相关资料

1. 《带状态滞后的随机奇异系统分布式信息融合滤波器》PDF+DOC 基于满阶变换，原始带有状态滞后的随机奇异线性系统被转化为带有状态滞后和有色噪声的正常系统。应用新息分析方法，推导了任意两个传感器子系统之间的互协方差矩阵的计算公式。进一步，基于线性最小方差最优加权融合算法，给出了原奇异系统分布式融合滤波器。仿真研究验证了算法的有效性。...
2. 《离散随机奇异系统的最优融合全阶状态估值器》PDF+DOC 研究带多传感器和相关观测噪声的离散随机奇异系统的分布式融合状态估计问题.核心思想是将带多传感器的随机奇异系统转化为一个等价的非奇异系统组.在得到局部非奇异系统的状态估计后，利用线性最小方差意义下的最优加权融合算法，得到原系统的全阶最优融合滤波器和平滑器.仿真算例表明，融合估值器优于每个局部估值器。...
3. 《传感器带未知输入的离散随机线性系统的分布式融合滤波》PDF+DOC 对传感器含未知输入和带相关噪声的离散随机线性系统，在没有未知输入的任何先验信息的情况下，设计了线性最小方差无偏状态滤波器。当系统带有多个传感器时，推得了任两个传感器子系统的滤波误差的互协方差阵。进而基于多传感器线性最小方差标量加权融合算法，给出了标量加权分布式融合状态滤波器。仿真研究验证了其有效性。...
4. 《随机奇异系统分布式最优分量融合滤波器》PDF+DOC 应用射影理论，基于奇异系统典范型分解，对带相关噪声的单传感器随机奇异系统，给出一种新的递推滤波器；当系统带有多个传感器时，基于线性最小方差标量加权的分量融合算法，给出了多传感器分布式最优分量融合滤波器.融合估计的每个分量分别由局部估计的相应分量按标量加权融合获得，它只需并行计算一系列标量权重.可改善......
5. 《多传感器最优信息融合白噪声反卷积滤波器》PDF+DOC 应用现代时间序列分析方法和白噪声估计理论，基于线性最小方差意义下按标量加权最优信息融合准则，对于带白色和有色观测噪声的多传感器单通道系统，提出了分布式融合白噪声反卷积滤波器.它由局部白噪声反卷积滤波器加权构成.可统一处理融合滤波、平滑和预报问题.给出了计算局部滤波误差互协方差公式，可用于计算最优加权......
6. 《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......
7. 《时滞系统的多源数据融合卡尔曼滤波器研究》PDF+DOC 对于带观测时滞的线性离散时变随机控制优化问题，提出了观测变换方法，把带观测时滞状态空间模型等效地转换为无观测时滞的状态空间模型，接着应用卡尔曼(Kalman)滤波方法，在线性最小方差最优融合准则下，给出按矩阵、按对角阵和按标量加权三种最优信息融合卡尔曼(Kalman)滤波器，可分为局部最优全局次优的......
8. 《带有色观测噪声的广义系统Kalman滤波器》PDF+DOC 对于带自回归滑动平均(ARMA)有色观测噪声的多传感器为广义离散随机线性系统，应用奇异值分解，将其变换为等价的两个降阶多传感器子系统，提出了广义系统多传感器信息融合状态滤波问题。为了提高精度，采用Kalman滤波方法，在线性最小方差按块对角阵最优加权融合准则下，给出了按矩阵加权解耦的分布式Kalma......
9. 《带有色噪声的广义系统信息融合Kalman滤波器》PDF+DOC 对于带自回归滑动平均(ARMA)有色观测噪声的多传感器广义离散随机线性系统，应用奇异值分解，提出了广义系统多传感器信息融合状态滤波问题。基于Kalman滤波方法，在线性最小方差信息融合准则下，给出了按矩阵加权融合降阶稳态广义Kalman滤波器。为了计算最优加权，提出了局部滤波误差协方差阵的计算公式。......
10. 《多传感器时滞系统信息融合最优Kalman滤波器》PDF+DOC 基于线性最小方差最优加权融合估计算法，对多传感器的离散线性状态时滞随机系统.给出了一种非增广分布式加权融合最优Kalman柚滤波器.推导了状态时滞系统任两个传感器子系统之间的滤波误差互协方差阵的计算公式.它与状态增广加权融合滤波器具有相同的精度.与每个传感器的局部滤波器相比，分布式融合滤波器具有更高......