CI算法在两传感器融合稳态Kalman滤波器中的应用

针对两传感器稳态Kalman滤波器的信息融合,目前有三种常用的加权分布式融合算法:按标量加权、按对角阵加权和按矩阵加权,但它们都需要得到局部稳态滤波误差互协方差阵后才能计算出融合结果。而协方差交集算法在相关度未知的情况下,也能得到一个改进的估值,因此文中将协方差交集算法应用到两传感器稳态Kalman滤波器的信息融合中,在互协方差阵未知的情况下,此方法也能得到较好的信息融合结果,并通过仿真进行了验证。

带相关噪声的观测融合稳态Kalman滤波算法及其全局最优性

对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(WLS)法提出了一种加权观测融合稳态Kalman滤波算法,可处理状态、白噪声和信号融合滤波、平滑、预报问题。基于稳态信息滤波器证明了它完全功能等价于集中式观测融合稳态Kalman滤波算法,因而它具有渐近全局最优性,且可减少计算负担。一个跟踪系统仿真例子验证了它的功能等价性。

相关观测融合稳态Kalman滤波器及其最优性

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.

两传感器信息融合稳态最优Kalman滤波器

应用现代时间序列分析方法,基于ARMA新息模型提出了两传感器最优信息融合稳态Kalman滤波器。为实现最优融合,分别提出了计算局部滤波稳态误差方差和协方差阵的Lyapunov方程和拟Lyapunov方程及其迭代算法,并证明了算法的收敛性。一个仿真例子说明了其有效性。

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。

基于稳态Kalman滤波的相关观测融合方法及其功能等价性

对于带相关观测噪声和带不同观测阵的多传感器线性离散定常随机系统,用加权最小二乘(WLS)法提出了两种加权观测融合稳态Kalman滤波方法,可处理状态、白噪声和信号融合估计。基于稳态信息滤波器证明了它们功能等价于集中式融合稳态Kalman滤波方法,因而具有渐近全局最优性,且可显著减少计算负担。两个跟踪系统数值仿真例子验证了它们的功能等价性。

两传感器按对角阵加权信息融合稳态Kalman滤波器

应用现代时间序列分析方法,在按对角阵加权线性最小方差最优信息融合准则下,基于Riccati方程,提出两传感器信息融合稳态最优Kalman滤波器.与按矩阵加权最优融合.Kalman滤波器相比,可减少计算负担,与单传感器情形相比,提高了滤波精度.一个仿真例子说明其有效性.

带相关噪声的观测融合稳态Kalman滤波算法及其最优性

对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(WLS)法提出了一种加权观测融合稳态Kalman滤波算法,并基于信息滤波器证明了它同集中式观测融合稳态Kalman滤波算法功能的等价性。因而,它具有渐近全局最优性,且可减少计算负担。一个跟踪系统数值仿真例子验证了它的功能等价性。

基于稳态Kalman滤波的两种观测融合方法的功能等价性

目前有两种最优观测数据融合方法:一种(方法Ⅰ)是增大观测向量维数方法,另一种(方法Ⅱ)是加权方法。对于带相同观测阵和带独立白噪声的多传感器系统,基于稳态Kalman滤波,证明了两种最优观测融合方法是完全功能等价的,即用两种方法得到的稳态Kalman滤波器、预报器和平滑器,白噪声估值器及信号估值器在数值上分别是恒同的。在这种情况下,用方法Ⅱ不仅可获得全局最优融合估计,而且可显著地减小计算负担。

稳态Kalman滤波器增益的一种新算法

用现代时间序列分析方法，基于ＡＲＭＡ新息模型，提出了稳态Ｋａｌｍａｎ滤波器增益阵的一种新算法。可处理模型噪声与观测噪声相关的系统，也可处理带奇异的和／或不稳定状态转移阵的系统。仿真例子说明了其有效性。

基于Kalman滤波的稳态白噪声估值器

基于 Kalman 滤波,对带非零均值的相关噪声系统提出了统一的稳态白噪声估值器,可统一处理白噪声滤波、平滑和预报问题。它们包括稳态输入白噪声估值器和观测白噪声估值器,且包括白噪声新息滤波器和 Wiener 滤波器。一个 Bernoulli-Gaussian 白噪声的仿真例子说明了它们的有效性。

多传感器标量加权最优信息融合稳态Kalman滤波器

提出一种新的标量加权多传感器线性最小方差意义下的最优信息融合准则.该准则考虑了局部估计误差之间的相关性,只需计算加权标量系数,避免了加权矩阵的计算,明显减小了计算量,便于实时应用.运用稳态Kalman滤波理论,基于该融合准则,给出了多传感器最优信息融合稳态Kalman滤波器.在所有局部滤波器达到稳态时,只需一次融合便可获得信息融合稳态滤波器,算法简单.仿真例子验证了其有效性.

采用稳态Kalman滤波器简化Kalman滤波器的计算

计算Kalm an滤波器的方法主要采用迭代计算法,在工程应用中在线进行无穷迭代运算所带来的较大计算量势必影响计算速度。提出了稳态Kalm an滤波器的概念,并用Kalm an滤波器增益阵的稳态值计算Kal-m an滤波器。采用稳态Kalm an滤波器避免了在线计算Kalm an滤波增益在各时刻的函数值,因而减小了采用迭代法计算Kalm an滤波器的计算负担。

带有色观测噪声系统多传感器标量加权最优信息融合稳态Kalman滤波器

基于标量加权多传感器线性最小方差最优信息融合准则,对被多传感器观测的带有色观测噪声的离散线性随机控制系统,提出了一种具有两层融合结构的标量加权信息融合稳态Kalman滤波器,它等价于相应的带相关噪声系统的最优信息融合稳态Kalman预报器.最优信息融合稳态预报器可在所有局部预报器达到稳态时,通过一次融合获得,且任两个子系统之间的稳态预报误差互协方差阵可通过任选初值迭代求得,并证明了它的收敛性.通过将它应用到带三个传感器的雷达跟踪系统验证了其有效性.

基于Kalman滤波技术的超高频变换器稳态特性分析

超高频(very high frequency,VHF)变换器具有体积小、功率密度高的特点,在航空航天、光伏发电等领域中具有广阔前景;但由于变换器选用的储能元件数值很小,寄生参数对变换器稳定工作产生较大影响,因此超高频变换器对主电路设计提出了更高的要求。为此,在建立变换器的数学模型时应考虑寄生参数可能带来的未知偏差,使变换器在受到干扰参数变化的情况下仍能保持较好的稳态特性。将对含有寄生参数的VHF Boost谐振变换器主电路进行模态分析,随后利用Kalman滤波技术对电路进行数值建模,最后对变换器进行稳态特性分析,从而验证Kalman滤波技术在该领域中的适用性,为超高频变换器数学建模与动力学特性研究提供思路。

极点配置固定滞后稳态Kalman平滑器

基于稳态Kakman预报器和白噪声估计理论 ,应用控制理论中的极点配置原理 ,提出了极点配置固定滞后稳态Kalman平滑器 .它们不仅是全局渐近稳定的 ,而且通过配置平滑器的极点可使初始平滑估值的影响按指数衰减迅速消失 .它们避免了计算最优初始平滑估值 ,可减小计算负担 .

极点配置广义稳态Kalman估值器(英文)

应用时域上的现代时间序列分析方法 ,基于自回归滑动平均 (ARMA)新息模型和白噪声估值器 ,应用控制理论中的极点配置原理 ,对线性离散时间广义随机系统提出了极点配置广义稳态Kalman估值器 .它们具有全局渐近稳定性 ,且通过配置估值器的极点可按指数衰减速率使初始状态估值的影响快速消失 .它们可在统一框架下处理滤波、平滑和预报问题 .它们避免了Ric cati方程和最优初始状态估值的计算 ,因而可减小计算负担 .

基于Kalman滤波的通用和统一的白噪声估计方法

用射影理论,基于Kalman滤波提出了通用和统一的白噪声估计方法,可统一解决带非零均值相关噪声的线性离散时变随机控制系统的白噪声滤波、平滑和预报问题.提出了输入白噪声估值器和观测白噪声估值器,最优和稳态白噪声估值器,固定点、固定滞后和固定区间白噪声平滑器,白噪声新息滤波器和Wiener滤波器.它可应用于石油地震勘探信号处理和状态估计,为解决信号和状态估计问题,提供了新的途径和工具.关于Bernoulli-Gaussian白噪声估值器的仿真例子说明了其有效性.

多传感器按对角阵加权信息融合Kalman滤波器

在按对角阵加权线性最小方差最优信息融合准则下,提出了多传感器按对角阵加权信息融合稳态Kalman滤波器,它等价于关于状态分量的按标量加权信息融合Kalman滤波器,与按矩阵加权信息融合Kalman滤波器相比,可明显减小计算负担,便于实时直用。一个雷达跟踪的仿真例子说明了其有效性。

基于稳态Riccati方程迭代解的ARMA新息模型的构造

ARMA 新息模型在最优滤波理论中起重要作用。对于带相关噪声系统导出了等价于稳态 Kalman 预报器的 ARMA 新息模型,并提出了基于稳态 Riccati 方程迭代解构造 ARMA 新息模型的新方法。一个仿真例子说明了新方法的有效性。