版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、在現(xiàn)代C<'3>I(指揮、控制、通信與情報)作戰(zhàn)系統(tǒng)中,依靠單傳感器提供信息己無法滿足作戰(zhàn)的需要,必須運用多傳感器提供觀測數據,實時的進行目標檢測和識別。為此,多傳感器信息融合技術便迅速的發(fā)展起來,并在現(xiàn)代C<'3>I系統(tǒng)中和軍事領域中得到了廣泛的應用。 如何合并多傳感器的觀測方程為一單個觀測方程且得到優(yōu)于單個傳感器的效果?解決這一問題有很多種信息融合方法,其中Kalman濾波具有重要的理論及應用意義?;贙alman濾波的多傳
2、感器信息融合方法,包括狀態(tài)融合和觀測融合,近年來得到了廣泛深入的研究。 對于多傳感器系統(tǒng),本文應用加權最小二乘(WLS)法得到一個加權觀測融合方程,它與原始方程構成一個等價的加權觀測融合系統(tǒng)?;赗iccati方程,提出了兩種穩(wěn)態(tài)最優(yōu)加權觀測融合Kalman估值器(濾波器、預報器和平滑器),并驗證了與集中式觀測方法對比的完全功能等價性。對于帶未知噪聲方差的多傳感器系統(tǒng),引入左素分解可得到一個新的觀測過程,該觀測過程用兩個滑動平均
3、(MA)過程之和表示。采用求解相關函數矩陣方程組方法,得到了噪聲方差估值器,并且根據新的觀測過程的采樣相關函數及其遍歷性,證明了噪聲方差估值器的一致性。在此基礎上,基于Riccati方程,提出了兩種自校正加權觀測融合Kalman估值器。通過對動態(tài)誤差系統(tǒng)的穩(wěn)定性分析,證明了自校正加權觀測融合Kalman估值器的收斂性,即按實現(xiàn)或以概率1收斂于當噪聲方差已知時的全局最優(yōu)加權觀測融合Kalman估值器,在跟蹤系統(tǒng)中大量的仿真例子說明了它們的
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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。
最新文檔
- 自校正觀測融合Kalman估值器及其在典型跟蹤系統(tǒng)中的應用.pdf
- 自校正觀測融合解耦Wiener狀態(tài)估值器及其應用.pdf
- 最優(yōu)加權觀測融合狀態(tài)估值器及其應用.pdf
- 基于Riccati方程的自校正信息融合狀態(tài)估值器及其應用.pdf
- 自校正信息融合狀態(tài)與信號Wiener估值器.pdf
- 多傳感器最優(yōu)觀測融合狀態(tài)估值器及其應用.pdf
- 最優(yōu)和自校正多傳感器加權觀測融合卡爾曼濾波器.pdf
- 廣義系統(tǒng)最優(yōu)與自校正分布式信息融合估值器.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
- 多傳感器廣義線性系統(tǒng)最優(yōu)和自校正加權觀測融合估計方法研究.pdf
- 廣義系統(tǒng)信息融合Wiener狀態(tài)估值器.pdf
- 多通道ARMA信號加權信號融合Kalman反卷積濾波器.pdf
- 廣義系統(tǒng)降階信息融合狀態(tài)估值器.pdf
- 自校正信息融合信號Wiener濾波器.pdf
- 基于Kalman濾波—加權因子的多傳感器數據融合方法研究.pdf
- 帶不同局部動態(tài)模型的時變系統(tǒng)Kalman融合器及其應用.pdf
- 小波變換域估計觀測噪聲方差的kalman濾波算法及其在數據融合中的應用
- 基于現(xiàn)代時間序列分析方法的觀測融合Kalman濾波器與Wiener濾波器.pdf
- 基于現(xiàn)代時間序列分析方法的觀測融合kalman濾波器與wiener濾波器
- 信息融合量化Kalman濾波器.pdf
評論
0/150
提交評論