已閱讀1頁，還剩165頁未讀， 繼續(xù)免費閱讀
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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、多傳感器信息融合估計作為多源信息綜合處理的一項新技術(shù)，使用多個傳感器對同一目標(biāo)進(jìn)行檢測，避免了單個傳感器的局限性，可以提供更加全面準(zhǔn)確的信息，進(jìn)而合成來自這個目標(biāo)的多源信息，產(chǎn)生比單一信息源更精確的估計。 對帶相關(guān)觀測噪聲和未知模型參數(shù)及噪聲統(tǒng)計的多傳感器系統(tǒng)，用現(xiàn)代時間序列分析方法，基于自回歸滑動平均(ARMA)新息模型，提出了一種多段辨識算法，其中用遞推增廣最小二乘法(RELS)和Gevers—Wouters(G—W)算法得
2、到未知模型參數(shù)在線估值器，用求解相關(guān)函數(shù)矩陣方程組的方法得到噪聲統(tǒng)計在線估值器。對未知噪聲統(tǒng)計多傳感器系統(tǒng)，在按分量標(biāo)量加權(quán)線性最小方差最優(yōu)信息融合準(zhǔn)則下，分別提出了自校正信息融合Kalman和Wiener濾波器及預(yù)報器。對帶未知模型參數(shù)和噪聲統(tǒng)計的單通道ARMA信號，提出了一種自校正信息融合Wiener濾波器。推廣了收斂性分析的動態(tài)誤差系統(tǒng)分析(Dynamic Error System Analysis)方法，其中提出和證明了Lyap
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(hù)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(fù)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。
最新文檔
- ARMA信號最優(yōu)和自校正信息融合卡爾曼濾波器.pdf
- 自校正信息融合信號Wiener濾波器.pdf
- 兩傳感器信息融合最優(yōu)和自校正濾波器.pdf
- 基于Riccati方程的自校正信息融合濾波方法研究.pdf
- 最優(yōu)和自校正多傳感器加權(quán)觀測融合卡爾曼濾波器.pdf
- 帶觀測滯后的ARMA信號最優(yōu)融合反卷積濾波器.pdf
- 基于Kalman濾波方法的多傳感器信息融合濾波器.pdf
- 信息融合量化Kalman濾波器.pdf
- 多傳感器分布式融合最優(yōu)和自校正卡爾曼濾波器.pdf
- 多通道ARMA信號加權(quán)信號融合Kalman反卷積濾波器.pdf
- 基于現(xiàn)代時間序列的多傳感器信息融合Kalman濾波器與Wiener濾波器.pdf
- 協(xié)方差交叉信息融合濾波器.pdf
- 信息融合魯棒Kalman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.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
- 自跟蹤濾波器研究.pdf
- 基于Kalman濾波方法的多傳感器信息融合最優(yōu)白噪聲反卷積濾波器.pdf
- 基于Riccati方程的自校正信息融合狀態(tài)估值器及其應(yīng)用.pdf
- 具有丟失觀測多傳感系統(tǒng)的信息融合濾波器.pdf
- 自校正信息融合狀態(tài)與信號Wiener估值器.pdf
評論
0/150
提交評論