基于最优融合估计的PID控制器应用研究

在线性最小方差最优融合估计准则下,基于Riccati方程,对于带控制输入的单通道CAR-MA信号,提出了全局最优多传感器加权观测融合Kalman滤波器。应用于PID控制器的设计中,可以提高滤波精度,减小稳态误差。通过对微泳动机器人速度控制系统的仿真实验,说明了其有效性。

全局最优信息融合估计算法(Ⅰ)

研究了全局最优融合估计算法 .研究结果表明 :全局最优估计的误差要小于局部估计的误差 。

全局最优信息融合估计算法(Ⅱ)

假定局部滤波器的状态估计是相关的条件下 ,得到了状态向量的全局最优融合估计 ,作为应用 ,得到了比文 [1 ]中更为普遍。

相关测量噪声的多传感器最优融合状态估计

当检测环境中有一个统一的噪声源时,各个传感器的测量噪声是相关的.许多算法都假设各个传感器的测量噪声是不相关的,因为这是保证测量噪声方差矩阵平行解耦的必要条件.基于矩阵相似变换的理论,提出了一种使多传感器相关测量噪声方差矩阵解耦的方法,该方法使多传感器数据融合测量模型转化成测量噪声不相关的新模型,推导了存在相关测量噪声的多传感器数据融合最优状态估计算法.当测量噪声不相关时,算法与以往的具有不相关噪声的最优算法相同.

多传感器最优信息融合稳态Kalman滤波器

用Lagrange乘数法给出了按矩阵加权线性最小方差最优融合估计公式新的推导。在此基础上提出了多传感器最优信息融合稳态Kalman滤波器。其中用迭代法求解局部滤波误差协方差阵所满足的Lya-punov方程,证明了迭代解的指数收敛性,且收敛速度与Kalman滤波器的转移阵的谱半径有关。两传感器目标跟踪系统的仿真例子说明了其有效性。

多传感器全局最优加权观测融合Wiener信号滤波器

基于Kalman滤波,应用加权观测融合方法,对于带白色观测噪声的单通道ARMA信号,提出了全局最优多传感器观测融合Wiener信号滤波器。可统一处理信号融合滤波、平滑和预报问题。同集中式观测融合方法和分布式状态融合方法相比,不仅可获得全局最优Wiener信号滤波器,而且明显减小计算负担,便于实时应用。一个三传感器加权观测融合仿真例子说明了其有效性。

异结构不等精度测量的融合估计分析

融合估计是提高参数估计精度的有效手段.针对异结构和不等精度测量条件,利用合同变换、迹函数和矩阵微分等数学工具,分析了融合估计问题.分析表明:第一,单设备估计、最优融合估计和联合估计都是融合估计的特例;第二,联合估计的精度高于低精度单设备估计的精度;第三,最优估计的精度高于高精度单设备估计的精度,而且总是高于联合估计的精度;第四,只有满足一定条件,联合估计的精度才高于高精度单设备估计的精度.上述理论在V2导弹参数融合估计的仿真中得到了验证.

基于数据融合技术的图像平滑方法

在分析边缘保持滤波器算法的基础上,应用多传感器数据融合技术,提出了一种新的图像平滑算法。该算法釆用线状掩模窗口和最优融合估计方法,有效地增强了边缘保持能力和去噪能力,克服了边缘保持滤波器存在的缺陷。实验结果表明,该算法性能优于边缘保持滤波器及经典均值滤波器。

一种基于不确定分析的多传感器信息动态融合方法

提出了一种基于不确定分析的多传感器动态分布融合方法.首先引入贴近度的概念对传感器进行动态聚类,接着基于兼容测度实现了组内传感器信息的最优Bayesian估计融合;最后给出了一种基于一致测度的多传感器信息动态融合的方法.通过实验对比分析,证实了此方法具有较好的实效性和鲁棒性.

传感器网络中信息融合的几个基本问题

系统地阐述了传感器网络环境中几个基本而又重要的信息融合问题的最近进展,包括:最一般条件下全局最优的多传感器分布式统计判决;传感器观测数据或局部估计的最优维数压缩;一般条件下最优线性无偏估计融合公式及其有效算法;传感器观测噪声相关情形下动态系统的卡尔曼滤波融合;容错条件下的区间估计融合.这些结果对传感器网络的设计与应用具有重要意义.*

广义系统多传感器信息融合降阶状态估值器

对于带多传感器的广义线性离散随机系统,基于奇异值分解,将其化为等价的两个降阶多传感器子系统。应用Kalman滤波方法,在线性最小方差最优加权融合准则下,提出了最优加权融合降阶稳态广义Kalman估值器。可统一处理融合滤波、平滑和预报问题,可减少计算负担和改善局部估计精度。为了计算最优加权,提出了局部估计误差方差阵和互协方差阵的计算公式。

炮兵雷达组网校射评估系统的设计与实现

针对多部雷达保障校正射击时各个雷达获得的数据精度不高、数据传输自动化程度低、炸点坐标缺乏数据融合等问题,采用VC++和SQLServer为软件开发平台,设计并实现了炮兵雷达组网校射评估系统。讨论了系统的基本组成和软件结构。同时根据最小方差原则,按照各雷达的精度分配权值,设计了多雷达组网对炸点测量数据最优融合估计的数据融合算法。通过实弹射击保障应用表明,该系统提高了雷达对炸点数据测量的精度及炮兵指挥自动化能力。

含状态等式约束的分布式估计融合

在假设各传感器间观测噪声不相关的基础上,将最优线性无偏估计意义下的分布式最优估计融合公式推广至含状态等式约束的分布式估计融合问题中,并在此约束条件下,先将该约束系统直接转换为投影系统,再利用投影系统中的Kalman滤波估计,分别讨论了两种信息融合方式:中心式与分布式融合。进一步地指出中心式估计融合优于分布式估计融合,并在分布式融合结构下,得到了约束的Kalman滤波估计优于投影的Kalman滤波估计的结论。通过数值模拟论证了两种融合方式下的性能差异。