帶乘性噪聲廣義系統多傳感器信息融合狀態(tài)估計算法研究.pdf

1、帶乘性噪聲隨機系統的信號估計理論是信號處理領域的重要內容,在石油地震勘探、水下遠程目標探測和語音信號處理等領域有著重要應用。多傳感器信息融合是20世紀70年代以來發(fā)展起來的一門新興邊緣學科,并應用在越來越多的領域,如導航、國防、機器人、目標跟蹤和GPS定位。對于一般系統的信息融合狀態(tài)估計是多傳感器信息融合的一個重要分支,在以往的研究中已經做了廣泛的研究,并且在一些領域已有了較多應用。目前,由于廣義系統具有廣泛的應用背景,對其狀態(tài)的最優(yōu)估

2、計已經獲得很多重視和研究。但是,廣義系統多傳感器信息融合狀態(tài)估計問題,特別是帶乘性噪聲的廣義系統的多傳感器信息融合狀態(tài)估計問題仍未很好的解決。本文的研究主要集中在帶乘性噪聲廣義系統的多傳感器信息融合狀態(tài)估計.本文的內容如下:
　　 首先,本文簡單介紹了多傳感器信息融合技術,并回顧了帶乘性噪聲系統及廣義系統狀態(tài)估計的發(fā)展和現狀。
　　 其次,研究了帶乘性噪聲廣義系統的多傳感器信息融合狀態(tài)估計問題。在系統正則的假設條件下,通

3、過受限等價變換將廣義系統變換為兩個降階子系統,進而將針對原系統的信息融合狀態(tài)估計轉化為兩個耦合的非廣義子系統的多傳感器信息融合狀態(tài)估計問題。本文按量測數據是否直接應用將信息融合狀態(tài)估計分為兩類,進而提出了兩類算法:第一種是集中式濾波,通過直接合成量測數據獲得全局最優(yōu)狀態(tài)估計。此算法簡易直接但是有較大的計算量和數據通信量。第二種算法是分布式濾波,通過使用局部濾波器的信息推導出符合一定的信息融合準則的全局最優(yōu)或次優(yōu)狀態(tài)估計。該算法可以克服第

4、一種方法中出現的問題,減少了計算負擔,并使得故障檢測和隔離變的容易。但是在沒有數據錯誤時,分布式濾波普遍比集中式濾波精度要低。值得指出的是,這兩種算法在數學上完全等價,均在線性最小方差意義下最優(yōu)。
　　 再次,本文集中考慮了帶乘性噪聲廣義系統的多傳感器信息融合加權分布濾波問題。在廣義系統無脈沖模的假設條件下,應用奇異值分解將廣義系統轉化為兩個降階的耦合非廣義系統,再依據線性最小方差信息融合準則,推導出帶乘性噪聲廣義系統按矩陣加權