多通道ARMA信号的三种多传感器信息融合Wiener滤波器

应用现代时间序列分析方法,基于ARMA新息模型、白噪声估值器和观测预报器,对带白色观测噪声的多通道ARMA信号,在线性最小方差最优信息融合准则下,提出了统一的和通用的按矩阵加权、按标量加权和按对角阵加权的多传感器信息融合Wiener滤波器,可统一处理滤波、平滑和预报问题．提出了计算局部估计误差方差和协方差的公式,它们被用于计算最优加权．同单传感器情形相比,可提高滤波精度．一个目标跟踪仿真例子说明了其有效性,且说明了三种加权融合滤波器的精度无显著差异,因而利用按标量加权融合滤波器以轻微的精度损失提供一种快速融合估计算法,便于实时应用．

多通道ARMA信号信息融合Wiener滤波器

应用Kalman滤波方法,基于白噪声估计理论,在线性最小方差最优信息融合准则下,提出了多通道ARMA 信号的两传感器信息融合稳态最优Wiener滤波器、平滑器和预报器;给出了最优加权阵和最小融合误差方差阵。与单传感器情形相比,可提高滤波精度。一个雷达跟踪系统的仿真例子说明了其有效性。

多通道信号自校正分布式融合Kalman滤波器

对带未知参数的多传感器多通道自回归滑动平均(ARMA)信号,采用多维递推辅助变量(MRIV)方法得到自回归模型参数估值,通过Gevers-Wouters算法辨识滑动平均模型参数估值,再用相关方法得到噪声方差的估值。把所有的估值都代入到最优分布式融合信息滤波器中得到自校正分布式融合Kalman信息滤波器。该滤波器具有渐近全局最优性,一个多通道信号仿真例子验证了其有效性。

基于Kalman滤波的自回归滑动平均信号信息融合Wiener滤波器

应用Kalman滤波方法,在按矩阵加权线性最小方差最优信息融合规则下,提出了带白色观测噪声的多通道ARMA信号的多传感器信息融合Wiener滤波器.它可统一处理信息融合滤波、平滑和预报问题.为了计算最优加权阵,提出了计算局部滤波误差互协方差阵的公式.同单传感器情形相比,可提高估计精度.一个带三传感器的目标跟踪系统的仿真例子说明了其有效性.