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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
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
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 最優(yōu)和自校正多傳感器加權(quán)觀測(cè)融合卡爾曼濾波器.pdf
- 多傳感器廣義系統(tǒng)的最優(yōu)、魯棒和自校正信息融合估計(jì)研究.pdf
- 兩傳感器信息融合最優(yōu)和自校正濾波器.pdf
- 最優(yōu)和自校正多傳感器信息融合白噪聲反卷積估值器.pdf
- 多傳感器分布式融合最優(yōu)和自校正卡爾曼濾波器.pdf
- 多傳感器最優(yōu)估計(jì)與融合算法.pdf
- 自校正加權(quán)觀測(cè)融合Kalman估值器及其應(yīng)用.pdf
- 多傳感器最優(yōu)觀測(cè)融合狀態(tài)估值器及其應(yīng)用.pdf
- 多傳感器加權(quán)融合濾波新方法研究.pdf
- 多傳感器觀測(cè)下帶乘性噪聲系統(tǒng)的融合估計(jì).pdf
- 不確定觀測(cè)多傳感器ARMA信號(hào)信息融合估計(jì).pdf
- 多傳感器信息融合中態(tài)勢(shì)估計(jì)方法研究.pdf
- 廣義系統(tǒng)最優(yōu)與自校正分布式信息融合估值器.pdf
- 帶乘性噪聲廣義系統(tǒng)多傳感器信息融合狀態(tài)估計(jì)算法研究.pdf
- 廣義線性系統(tǒng)的狀態(tài)估計(jì).pdf
- 多速率多傳感器系統(tǒng)的建模與融合估計(jì).pdf
- 基于廣義系統(tǒng)的無線傳感器網(wǎng)絡(luò)融合估計(jì)算法研究.pdf
- 基于Kalman濾波—加權(quán)因子的多傳感器數(shù)據(jù)融合方法研究.pdf
- 多傳感器異步采樣信息融合估計(jì).pdf
- 多傳感器的融合方法
評(píng)論
0/150
提交評(píng)論