多傳感器廣義線性系統(tǒng)最優(yōu)和自校正加權(quán)觀測(cè)融合估計(jì)方法研究.pdf

1、廣義系統(tǒng)廣泛出現(xiàn)在機(jī)器人、經(jīng)濟(jì)學(xué)、電路、生物醫(yī)學(xué)、化工和工業(yè)控制等系統(tǒng)中,是比正常系統(tǒng)更具有普遍性的一種對(duì)實(shí)際系統(tǒng)的描述形式,近年來得到普遍關(guān)注。本文受三項(xiàng)國家自然科學(xué)基金(60874062、60504034、60874063)和一項(xiàng)教育部重點(diǎn)課題(209038)支持,具有重要理論意義和實(shí)際意義。
　　 關(guān)于廣義系統(tǒng)的融合估計(jì)問題近年來出現(xiàn)了一些報(bào)道,但因?yàn)樗捎玫娜诤掀鞫嗍欠植际綘顟B(tài)融合算法,該融合器是全局次優(yōu)的,因而廣義系統(tǒng)

2、的融合估計(jì)結(jié)果也不能獲得全局最優(yōu)性。加權(quán)觀測(cè)融合(Weighted Measurement Fusion,WMF)算法不但具有較小的計(jì)算負(fù)擔(dān),而且可以獲得全局最優(yōu)的估計(jì)結(jié)果,但現(xiàn)有的加權(quán)觀測(cè)融合估計(jì)方法還無法解決廣義系統(tǒng)的融合估計(jì)問題。
　　 針對(duì)這種情況,本文在對(duì)多傳感器信息融合技術(shù)、狀態(tài)估計(jì)技術(shù)、廣義系統(tǒng)理論的歷史背景和國內(nèi)外研究的現(xiàn)狀進(jìn)行比較分析的前提下,以線性無偏最小方差(LinearUnbiased Minimum V

3、ariance,LUMV)估計(jì)為最優(yōu)融合準(zhǔn)則,采用最小二乘辨識(shí)技術(shù)、Kalman濾波技術(shù)、以及現(xiàn)代時(shí)間序列分析技術(shù)對(duì)多傳感器廣義系統(tǒng)加權(quán)觀測(cè)融合最優(yōu)和自校正估計(jì)技術(shù)進(jìn)行了研究。主要內(nèi)容和研究成果包括如下幾個(gè)方面:
　　 1、利用奇異值分解和前后子系統(tǒng)分解兩種方法將廣義線性系統(tǒng)轉(zhuǎn)化為等價(jià)的降階耦合子系統(tǒng),完成了廣義線性系統(tǒng)到正常系統(tǒng)的降階轉(zhuǎn)化,分析了兩種方法的靈活性,證明了正常子系統(tǒng)的能觀性,進(jìn)而說明了降階子系統(tǒng)的可估計(jì)性,指出了

4、利用加權(quán)觀測(cè)融合方法實(shí)現(xiàn)廣義系統(tǒng)最優(yōu)和自校正融合估計(jì)需要解決的三個(gè)問題。
　　 2、解決了第一個(gè)問題。即,在帶不同觀測(cè)陣,且各傳感器觀測(cè)噪聲相關(guān)且輸入噪聲與各傳感器的觀測(cè)噪聲相關(guān)情形下,利用了矩陣滿秩分解,Lagrange乘數(shù)法,加權(quán)最小二乘理論,在LUMV意義下提出了不受觀測(cè)陣、觀測(cè)噪聲相關(guān)性影響的加權(quán)觀測(cè)融合Kalman估計(jì)算法,該算法可統(tǒng)一處理狀態(tài)的融合濾波、平滑、預(yù)報(bào)問題。證明了其估計(jì)結(jié)果完全等價(jià)于集中式融合結(jié)果,從而說

5、明了它同樣具有全局最優(yōu)性。推廣了Gan關(guān)于加權(quán)觀測(cè)融合算法只能處理各傳感器觀測(cè)陣相同的情形。
　　 3、解決了第二個(gè)問題。即,對(duì)于帶不同觀測(cè)陣和相關(guān)噪聲的多傳感器系統(tǒng),在Γ列滿秩的條件下,利用射影理論提出了適合加權(quán)觀測(cè)融合(WMF)算法的白噪聲估計(jì)算法,并理論上證明了其功能等價(jià)于集中式融合白噪聲估計(jì)理論,即引出數(shù)值上恒同的白噪聲預(yù)報(bào)器,濾波器和平滑器,因而WMF算法在白噪聲估計(jì)中同樣具有全局最優(yōu)性。所提出的算法也可應(yīng)用于石油地震