多模型信息融合Wiener状态估值器.pdfVIP

第7卷 第24期 2007年l2月 科 学 技 术 与 工 程 Vo1．7 No．24 Dee．2O07 1671—1819(2007)24-6278-O8 Science Technology and Engineering @ 2007 Sei．Teeh．Engng． 多模型信息融合Wiener状态估值器 杨立新 冉陈键 邓自立 (黑龙江大学自动化系，哈尔滨15oo8o) 摘 要 对多模型多传感器线性离散定常随机系统，应用现代时间序列分析方法，基于自回归滑动平均(ARMA)新息模型和 白噪声估计理论，根据按矩阵加权、按对角阵加权和按标量加权三种最优融合规则，提出了系统公共状态的三种最优加权融 合Wiener估值器。它们的精度高于每个局部估值器的精度，且可统一处理融合滤波、预报和平滑问题。为计算最优加权，提 出计算局部估计误差互协方差公式。它们可用于带ARMA有色观测噪声系统状态融合滤波问题。一个跟踪系统Monte Carlo 仿真例子说明其有效性。 关键词 多传感器信息融合 不同局部动态模型 加权状态融合 Wiener滤波器 白噪声过滤器 现代时间序 列分析方法 中图法分类号 0211．64； 文献标识码 A 多传感器信息融合Kalman滤波目前已广泛应 息之问互协方差的计算，提出了计算局部估计误差 用于军事、国防、目标跟踪、制导、GPS定位、卫星测 互协方差的新方法，进而提出了各子系统公共状态 控、石油地震勘探等许多领域，已成为倍受人们关 的新的三种最优加权融合Wiener估值器，可统一处 注的热门领域。文献[1]用现代时问序列分析方法 理融合滤波、预报和平滑问题，且改善了局部估值 提出了带多模型多传感器系统的信息融合稳态Kal— 器的精度。作为本文结果的一个仿真应用例子，提 man估值器，文献[2，3]用Kalman滤波方法解决了 出了解决带白色和有色观测噪声系统状态信息融 多模型多传感器系统信息融合滤波问题。当用增 合滤波问题的一种新方法。仿真例子说明其有 广状态空问方法处理信号融合估计问题或处理带 效性。 有色观测噪声系统信息融合状态估计问题时，会遇 到多模型多传感器系统 J。因此解决这类系统的 1 问题阐述 信息融合估计问题具有重要的理论和应用意义。 新近文献[1]提出了按矩阵加权、按对角阵加权和 考虑带L个传感器的多模型线性离散随机系统 按标量加权三种在线性最小方差意义下的最优信 f (t+1)= ‘ ‘(t)+F‘ (t) (1) 息融合估计准则。本文应用现代时间序列分析方 Y‘(t)=Hixf(t)+ (t)， =1，2，…，L (2) 法 J，基于自回归滑动平均(ARMA)新息模型和白 (t)=C (￡) (3) 噪声估计理论，基于输入白噪声、观测白噪声和新 其中t为离散时间， (t)∈R ，Y (t)∈R ， (t)∈ 和 (t)∈R帕分别为第i个传感器子系统的状态、 2007年9月12日收到 国家自然科学基金资助 观测、输入噪声和观测噪声， (t)∈R 是各子系统 第一作者简介：杨立新(198l一)，女，硕士研究生，研究方向：状 态估计、多传感器信息融合。 的公共状态； ，Fi，Hi和c 是已知适当维数矩阵。 通讯作者简介：邓自立(1938一)，男，教授，博士生导师，研究 (c 的含义可解释如下：例如取C =[厶，0]，式(3) 方向：最优滤波、多传感器信息融合。E—mail：dzl@hliu．edu．cn。