对于带相关观测噪声和带不同观测阵的多传感器系统,用加权最小二乘(Weighted least squares,WLS)法提出了两种相关观测融合稳态Kalman滤波算法.其原理是用加权局部观测方程得到一个融合观测方程,它伴随状态方程实现观测融合稳态Kalman滤...对于带相关观测噪声和带不同观测阵的多传感器系统,用加权最小二乘(Weighted least squares,WLS)法提出了两种相关观测融合稳态Kalman滤波算法.其原理是用加权局部观测方程得到一个融合观测方程,它伴随状态方程实现观测融合稳态Kalman滤波.用信息滤波器证明了它们功能等价于集中式融合稳态Kalman滤波算法,因而具有渐近全局最优性,且可减少计算负担.它们可应用于多通道自回归滑动平均(Autoregressive moving average,ARMA)信号观测融合滤波和反卷积.两个数值仿真例子验证了它们的功能等价性.展开更多
文摘对于带相关观测噪声和带不同观测阵的多传感器系统,用加权最小二乘(Weighted least squares,WLS)法提出了两种相关观测融合稳态Kalman滤波算法.其原理是用加权局部观测方程得到一个融合观测方程,它伴随状态方程实现观测融合稳态Kalman滤波.用信息滤波器证明了它们功能等价于集中式融合稳态Kalman滤波算法,因而具有渐近全局最优性,且可减少计算负担.它们可应用于多通道自回归滑动平均(Autoregressive moving average,ARMA)信号观测融合滤波和反卷积.两个数值仿真例子验证了它们的功能等价性.