不确定无序量测系统的最优网络化状态估计

本文以线性时不变或系统参数预先确定的单传感器系统为对象,研究带有不确定随机无序量测约束下的最优网络化估计问题.基于线性时不变或参数预先确定系统的滤波器系数矩阵离线计算和线性最小方差估计的线性加权求和特性,首先介绍传统Kalman滤波的等价测量值加权求和形式.然后,以该测量值加权求和滤波器为基础,结合布尔二值开关和无序量测直接求和补偿技术,针对两种典型无序量测跟踪系统分别设计全局最优网络化Kalman滤波器.最后,四个仿真例子验证了本文算法的有效性和优越性.

基于测量值求和的预测补偿时滞滤波器

该文针对一类线性时不变目标跟踪系统,提出一种能处理任意步延迟的多传感器测量值求和预测补偿时滞滤波器。该方法有效地利用线性时不变系统统计参数可离线计算的特性以及线性最小均方误差估计卡尔曼滤波状态估计的测量值求和形式。同时,应用一步预测估计和测量预测新息补偿的方法,通过离线计算与在线调节相结合的方式获得最优加权系数,最终实现任意延迟量测的最优更新。计算机仿真验证了该算法的有效性和优越性。