多传感器分布式融合Kalman预报器

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。它们被用于计算最优加权,与单传感器情形相比,可提高估值器的精度。一个跟踪系统的仿真例子说明了其有效性,且说明了3种加权融合预报器的精度无显著差别。但标量加权融合预报器可显著减小计算负担,提供一种快速实时信息融合估计算法。

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。

带未知通信干扰和丢包补偿的多传感器系统的融合估计

研究了带未知通信干扰和丢包的多传感器系统的融合估计问题.用一组满足Bernoulli分布的随机变量来描述从不同传感器到融合中心或各局部数据处理子站的数据传输过程中的丢包现象.在丢包发生时,采用当前丢失观测的预报进行补偿.应用线性无偏最小方差估计准则,分别设计了不依赖于未知干扰的集中式融合状态预报器和按矩阵加权分布式融合状态预报器.最后,基于所提出的状态预报器设计了未知通信干扰估值器.仿真例子验证了算法的有效性.