非线性离散系统基于扩展Kalman滤波的鲁棒融合状态估计

非线性系统的状态估计问题是现代控制理论研究中不可或缺的一部分。提出一种基于扩展Kalman滤波的鲁棒融合状态估计算法,它是在已有的扩展Kalman滤波算法的基础上,通过引入CI状态融合来实现的。融合算法的引入能有效填补扩展Kalman滤波器在模型线性化时所带有的精度损失;CI融合算法因为避免了局部估计误差互协方差的计算而变得简单易行,尤其便于实际工程应用。仿真实验结果表明了所提出的多传感器非线性离散系统的CI融合状态估计算法可有效减少估计误差,具有一定的有效性和可行性。

一种基于非对称冲突度量的证据融合决策方法

在Dempster-Shafer(D-S)证据理论中,传统的冲突度量是对称的。由于对称冲突度量无法反映两个证据之间相互支持程度的差异,提出了一种新的非对称冲突度量方法,非对称Jousselme距离。利用非对称Jousselme距离与平均距离之间的关系,得到距离关系矩阵,绘制证据之间的关系图,确定融合顺序和不予融合的证据。利用Dempster组合规则依次组合证据,得出融合决策结果。通过数值分析以及与其他方法的比较,表明了所提方法的有效性。

加权融合鲁棒增量Kalman滤波器

在一定环境条件下,当系统的量测方程没有进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而导致较大的滤波误差。同样地,当系统的噪声方差不确定时,滤波的性能也将会变坏,甚至会引起滤波器发散。增量方程的引入可以有效消除系统的未知量测误差,从而带未知量测误差的欠观测系统的状态估计问题可以转换为增量系统的状态估计问题。该文考虑带未知量测误差和未知噪声方差的线性离散系统,首先提出一种基于增量方程的鲁棒增量Kalman滤波器。进而,基于线性最小方差最优融合准则,提出一种加权融合鲁棒增量Kalman滤波算法。仿真实例证明了所提算法的有效性和可行性。

基本概率赋值不确定性的广义度量及在证据组合中的应用

D–S证据理论中一个关键问题是度量传感器给出的基本概率赋值(BPA)的不确定性大小,它的准确度量对于评估信任结构传递的信息量至关重要.本文首先提出了改进的归一化投影方法(iNP),然后基于iNP提出了一种新的投影不确定性(PU)广义度量方法,理论证明和实验仿真说明了PU满足非负性、有界性、不变性、单调性、不反直观性、较高的敏感性和较低的计算负担等性质,这些性质保证了PU可以有效对BPA的不确定性广义度量.与现有的不确定性度量方法相比,所提出的方法对证据的变化更为敏感.最后,基于PU方法给出了一种新的证据组合方法,通过数值实例和实际应用,说明了本文所提方法的有效性和合理性.

非下采样剪切波变换域下遥感图像融合

多光谱图像与全色图像的融合已被广泛应用于提高后续图像处理效果以满足图像进一步应用的需要,本文提出了一种在非下采样剪切波变换域中基于区域清晰度加权和导向滤波相结合的遥感图像融合方法。利用剪切波变换将多光谱图像的亮度分量与全色图像分别分解为低频子带和高频子带;针对高低频子带的特点分别设计高低频子带融合规则;对融合系数取剪切波逆变换和亮度-色度-饱和度逆变换得到融合图像。与6种典型融合方法通过9种包含光谱和空间质量评价的指标进行比较,实验结果表明:本文方法在主观视觉效果和客观评价方面都达到了极好效果,在提升空间分辨率的同时有效的保留了光谱信息。

鲁棒融合Kalman滤波在异步电机转速控制中的应用

协方差交叉融合算法是新兴的一种分布式融合算法,该算法避免了局部互协方差或相关阵的计算,算法简单,故得到了广泛的应用。以异步电机转速控制为应用背景,进行协方差交叉融合Kalman滤波算法的应用研究。相比已有的单传感器状态估计,所提出的协方差交叉融合状态估计算法估计精度更高。仿真实例分析说明了所提出的算法的有效性。

基于新息的自适应增量Kalman滤波器

在一定环境条件下,当系统的量测方程没有进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而导致较大的滤波误差。增量方程的引入可以有效解决欠观测系统的状态估计问题。该文考虑带未知噪声统计的线性离散增量系统,首先提出一种基于新息的噪声统计估计算法。可以得到系统噪声统计的无偏估计。进而,提出一种新的增量系统自适应Kalman滤波算法。相比已有的自适应增量滤波算法,该文所提算法得到的状态估计精度更高。两个仿真实例证明了其有效性和可行性。

多传感器非线性系统的鲁棒SCI-UKF滤波器

非线性系统在生活中普遍存在,而同时在对系统进行状态估计时,噪声的统计特性也很难实时确定。针对带不确定噪声方差的多传感器非线性系统,提出了一种基于局部无迹Kalman滤波(UKF)的序贯协方差交叉(SCI)融合鲁棒Kalman滤波器。将有效地解决噪声方差未知条件下的多传感器非线性系统的状态估计问题,融合算法的引入极大地提高了其估计精度。一个关于跟踪系统的Monte-Carlo仿真实例也证明了所提出的算法的有效性。

基于Bray-Curtis相异度的冲突度量方法

无法准确度量证据间的冲突程度是D-S证据理论存在的一个基本问题。为了有效地解决此问题,基于Bray-Curtis相异度公式,提出了一种新的冲突度量方法,它满足非负性、规范性、对称性、一致性和三角不等式等冲突度量性质,具有计算负担小、度量精度高的优点。通过理论证明以及实例仿真验证了所提方法的有效性。

基于推土机距离的证据冲突强度量方法

针对D-S(Dempster-Shafer)证据理论中的冲突因子k不能有效度量证据之间的冲突程度的问题,首先提出了证据冲突强度量函数需要满足的期望特征,然后提出了一种新的基于推土机距离的证据冲突度量方法。该方法不要求不同证据有相同的焦元数量,并且可以直接计算含有非单子集命题的证据冲突。理论和实验表明,所提方法给出的冲突度量大小能够正确表征2个证据间冲突的程度,并具有证据冲突强度量函数的所有期望特征,表明所提方法是一种有效的证据冲突强度量方法。

一种新的GBPA生成方法及其在模式识别中的应用

广义证据理论是一种在不完备识别框架中处理多传感器信息融合问题的实用方法.由于时代环境的影响,人们的认知存在局限性,难免会将不完备的识别框架认为是完备的,经典证据理论在这种情况下并不完全适用.因此,根据广义证据理论提出一种新的广义基本概率赋值(generalized basic probability assignment, GBPA)生成方法.该方法首先根据训练数据分别构造样本类别和测试样本的广义三角模糊数模型;然后通过计算样本和类别间的广义三角模糊距离生成GBPA;最后使用广义组合规则融合所有证据并得出最终的结论. Iris数据集的实验结果表明所提方法合理有效,即使在样本不足的情况下仍有较高的分类精度.