2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩107頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、由于元器件的老化、靈敏度不夠以及信息傳遞的延遲等原因使得系統(tǒng)普遍存在著滯后現(xiàn)象。時滯系統(tǒng)的狀態(tài)估計問題廣泛應(yīng)用于信號處理、控制和網(wǎng)絡(luò)系統(tǒng)中。時滯系統(tǒng)狀態(tài)估計的研究對于人們對時滯系統(tǒng)進行有效地控制具有重要意義。本文研究時滯系統(tǒng)分布式最優(yōu)加權(quán)信息融合估計問題,包括觀測帶時滯、狀態(tài)帶時滯以及狀態(tài)和觀測均帶時滯的隨機離散系統(tǒng)的分布式最優(yōu)加權(quán)信息融合估計問題。 基于現(xiàn)代時間序列分析方法,研究帶相關(guān)噪聲的多傳感器觀測滯后隨機系統(tǒng)的分布式融合

2、濾波問題。通過模型轉(zhuǎn)換將觀測滯后系統(tǒng)轉(zhuǎn)化為無觀測滯后的等價系統(tǒng),給出了基于單傳感器觀測的輸出預(yù)報器、白噪聲估值器和狀態(tài)濾波器。推導(dǎo)了任兩個局部估計之間的不同步預(yù)報誤差互協(xié)方差陣的計算公式。并基于分布式最優(yōu)加權(quán)融合估計算法,對帶多個傳感器的觀測滯后系統(tǒng)給出了分布式加權(quán)融合Wiener濾波器。 基于Kalman趾濾波方法,對帶相關(guān)噪聲的多傳感器多重時滯系統(tǒng),給出了一種非增廣的分布式加權(quán)融合最優(yōu)估值器。推得了基于任兩個傳感器的局部估計

3、之間的估計誤差互協(xié)方差陣。對于狀態(tài)觀測均帶多重時滯系統(tǒng),通過兩種方法得到分布式加權(quán)融合最優(yōu)估值器。方法一是直接對帶相關(guān)噪聲系統(tǒng)應(yīng)用射影理論進行設(shè)計。方法二是將帶相關(guān)噪聲的多重時滯系統(tǒng)轉(zhuǎn)化為帶不相關(guān)噪聲的多重時滯系統(tǒng),進而得到分布式加權(quán)融合最優(yōu)估值器。避免了噪聲相關(guān)所帶來的理論推導(dǎo)上的復(fù)雜性。與基于單傳感器的局部估計相比,分布式融合估計具有更高的精度。與增廣的集中式最優(yōu)濾波器相比,雖然精度有所降低,但它由于具有并行結(jié)構(gòu)而有更好的可靠性,且

4、避免了增廣所帶來的在融合中心的高維計算和大的空間存儲。并且將非增廣方法與增廣方法以及分布式方法與集中式方法的計算量和性能做了比較。 基于Kalman濾波方法,應(yīng)用兩種方法對帶有色觀測噪聲的多重時滯系統(tǒng),提出了非增廣的分布式加權(quán)融合最優(yōu)估值器。方法一將帶有色觀測噪聲的多重時滯隨機系統(tǒng)的濾波問題轉(zhuǎn)化為帶相關(guān)白噪聲的多重時滯隨機系統(tǒng)的預(yù)報問題。方法二將帶有色觀測噪聲的多重時滯隨機系統(tǒng)轉(zhuǎn)化為帶不相關(guān)白噪聲的多重時滯隨機系統(tǒng),所得帶不相關(guān)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論