噪声相关的一步滞后无序量测递推融合算法

因传感器网络特殊的通信方式,以及传感器节点预处理量测的时间也各有不同,常会出现源于同一目标有序的测量数据却经网络传输后无序地到达融合中心的现象,即无序量测问题。加之,现有的相关融合算法大都是在各量测数据间噪声独立情况下建立的。为此,针对一个由多个子系统组成的传感器网络无序量测系统;其中假定每个子系统均是由两个分别与融合中心同步与异步且采样率相同的传感器组成;并在考虑各传感器测量噪声相关条件下,利用顺序加权融合技术,在融合中心建立一个能实现对目标状态实时估计且在线性最小均方误差意义下最优的递推加权融合算法。理论分析与计算机仿真表明,与现有方法相比,新算法在适用范围、实时处理能力、存储量和融合估计精度等方面均有显著的优势。

具有一步随机滞后和丢包多传感器系统分布式递推融合预报器

研究了具有一步随机滞后和丢包多传感器系统的分布式递推融合估计问题。利用满足伯努利分布的随机变量描述传感器到估计器的随机滞后和丢包现象。通过定义新变量,将原系统等价地转化为随机参数化系统。基于局部最优线性估值,局部估值之间的互协方差阵,以及先验融合估值和局部估值之间的互协方差阵,提出了分布式递推融合预报算法。给出稳态预报器存在的一个充分条件。通过仿真验证其有效性。

带有色噪声和一步观测滞后的广义控制系统时变估值器

对于带有色过程噪声和一步随机观测滞后的线性离散随机广义控制系统,提出了基于Klaman滤波理论的时变估值算法。利用奇异值分解方法将原广义控制系统转化为两个降阶正常子系统,利用状态扩维方法和去随机化方法,将一步观测滞后和有色过程噪声都压缩到新模型的虚拟过程噪声和虚拟观测噪声中,从而得到增广降阶状态的标准状态空间模型。对于该标准系统,利用经典Kalman滤波理论,得到了该增广降阶状态的时变Kalman估值器(包括Kalman滤波器、预报器和平滑器)。利用增广降阶状态和广义系统原状态之间的关系,提出了广义控制系统的时变估值器及其估值误差方差阵。通过双循环电路系统的仿真实例验证了所提出算法的有效性和正确性。

网络化不确定系统集中式融合鲁棒稳态估值器

对于一类在状态转移阵和系统观测阵中带相同的状态依赖乘性噪声、带噪声依赖乘性噪声、一步随机观测滞后、丢包和不确定噪声方差的多传感器网络化系统,文章研究其鲁棒集中式融合稳态滤波问题.应用增广方法将系统转换为带随机参数矩阵、相同过程和观测噪声的集中式融合系统.应用去随机化方法和虚拟噪声技术,系统进一步转化为仅带不确定噪声方差的集中式融合系统.根据极大极小鲁棒估计原理,本文提出了鲁棒集中式融合稳态Kalman估值器(预报器、滤波器和平滑器),证明了所提出的集中式融合估值器的鲁棒性,给出了鲁棒局部与集中式融合估值器之间的精度关系.本文提出了应用于多传感器多通道滑动平均(MA)信号估计的一个实例,给出了相应的鲁棒局部和集中式融合信号估值器.仿真实验验证了所提出方法的有效性和正确性.

具有丢失观测和网络传输滞后多通道系统的最优线性滤波

研究了具有丢失观测,一步观测滞后和随机丢包多通道系统的最优滤波器设计问题.首先通过三组Bernoulli分布随机变量来描述由传感器损耗造成的丢失观测以及网络数据传输过程中出现的一步滞后和多丢包现象.然后基于新息分析方法,提出了线性最小方差意义下的最优线性滤波器.它通过解一个Riccati方程和一个Lyapunov方程得到.最后给出了稳态最优滤波器存在的一个充分条件.仿真验证了其有效性.

网络化随机不确定系统鲁棒矩阵加权融合稳态估值器

对于一类在状态转移阵和系统观测阵中带相同的状态依赖乘性噪声、带噪声依赖乘性噪声、一步随机观测滞后、丢包和不确定噪声方差的多传感器网络化系统,文章研究其鲁棒融合稳态滤波问题.应用增广方法、去随机化方法和虚拟噪声技术,系统被转化为仅带不确定噪声方差的多模型多传感器系统.根据极大极小鲁棒估计原理,并应用按矩阵加权最优融合算法,提出了鲁棒局部和矩阵加权融合稳态卡尔曼估值器(预报器,滤波器和平滑器).应用增广噪声方法、非负定矩阵分解方法和李雅普诺夫方程方法,证明了估值器的鲁棒性.给出了鲁棒局部和矩阵加权融合稳态估值器之间的精度关系.应用于弹簧-质量-阻尼系统的一个仿真例子验证了所提出方法的有效性和正确性.