广义系统多传感器信息融合kalman状态预报器 multi-sensor information fusion kalman state predictor for descriptor systems.pdfVIP

下载本文档

12
0
约1.82万字
约 5页
2017-08-13 发布于上海
举报
版权申诉

广义系统多传感器信息融合kalman状态预报器 multi-sensor information fusion kalman state predictor for descriptor systems.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

广义系统多传感器信息融合kalman状态预报器 multi-sensor information fusion kalman state predictor for descriptor systems

第10卷第5期电机与控制学报 V01．10No．5 2006年9月 ELECTRICMACHINESANDCONTROL Sep．2006 广义系统多传感器信息融合Kalman状态预报器石莹1’。，段广仁1 (1．哈尔滨工业大学控制理论与制导技术研究中心，黑龙江哈尔滨150001； 2黑龙江大学自动化系，黑龙江哈尔滨150080) 摘要：研究了广义离散随机线性系统的多传感器信息融合状态估计问题。依据Kalman滤波理论，在线性最小方差信息融合准则下，推导出广义系统分别按矩阵、对角阵和标量加权的三种多传感器信息融合Kalman预报器，并给出了两个广义子系统之间的预报误差互协方差阵的计算公式。仿真说明，融合后的Kalman预报器的精确度高于每一个子系统；按标量加权信息融合Kalman预报器与按矩阵加权和对角阵加权信息融合Kalman预报器相比，虽然精确度有所降低，但损失不明显，并可减少计算负担，便于实时应用。关键词：广义系统；状态估计；多传感器信息融合；Kalman滤波；有色噪声中图分类号：0211．64 文献标识码：A 文章编号：1007—449X(2006)05—0513—04 Multi—sensorinformationfusionKalmanstate predictor for descriptor systems SHI Yin91-．DUANGuang．renl of forControl andGuidance Institute (1．Center Theory Technology，HarbinTechnology，Harbin150001，China； of 2．DepartmentAutomation，HeilongjiangUniversity，Harbin150080，China) informationfusionstateestimationfor discrete—timestochastic Abstract：Multi—sensor problemdescriptor least fusion linear isstudied．BasedonKalman andlinear varianceinformation theory systems filtering kindsofmulti—sensorinformationfusionKalmanstate matrices，di· criterion，three predictorsweightedby matricesandscalarsare formulaforthe errorcross—covariance agonal given．Thecomputation prediction two simulationshowsthatthe