自校正分布式观测融合kalman滤波器 self-tuning distributed measurement fusion kalman filter.pdfVIP

下载本文档

1
0
约1.56万字
约 5页
2017-08-27 发布于上海
举报
版权申诉

自校正分布式观测融合kalman滤波器 self-tuning distributed measurement fusion kalman filter.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

自校正分布式观测融合kalman滤波器 self-tuning distributed measurement fusion kalman filter

第29卷第8期电子与信息学报 V01．29No8 ofElect吣nics＆Information 2007年8月 J叭Irnal Tecllnology Aug．2(107 自校正分布式观测融合KaLlm姐滤波器邓自立郝钢 (黑龙江大学自动化系哈和凄1500801 摘要：对于带未知噪声统计和带具有相同右因子的观测阵的多传感器系统，应用加权最小二乘(wLs)法可得到一个等价的融合观测方程。该文应用现代时间序列分析方法，基于新息模型参数的在线辨识，可估计未知噪声方差，进而提出了自校正加权观测融合K“maII滤波器。在新息模型参数估计是一致的和观测数据是有界的假设F，该文证明了自校正Kalman滤波器收敛于当噪声统计己知时的全局最优融合KalInan滤波器，因而它具有渐近仝局最优性。最后给出了一个4传感器跟踪系统的仿真例子并验证了其有效性。关键词：多传感器信息融合；分布式观测融合：自校正Kalman滤波器；噪声方差估计；现代时问序列分析方法中雷分类号：TP39l，021164 文献标识码：A MeasllremeⅡtFusionKahnanFilter Distributed Se堆tuning Zi—ll Deng HaoGang (D印州me戚吖AⅡ￡omⅡffonImifon鲋跏9№{口e瑚却，如而机150080，阮nn) unknownnoise withtheme船urementmatricesa Ab“ract：Forthemultisen80rwith system stati8tics，柚d having 她me on Least fusionme勰llrementis right矗lctor，basedw啦h七ed square8(wLs)method，anequivalent equation 0f 0btainedthemode姐time8erie8 onon_hneidentmcationtheinr拭，ationmodel U8iIlg analysismethod，ba8ed v盯ianc酋c卸be m舢∞urementfusionK“man e8timated，anda能l厶t删1珥we瑭hted parameters}unlnl啪noise filteri8 the thatthe estim8tionofthe．mdvationmodeliscon8istentand presented．Underassumptknsparanleter measurementdat8盯e is thatthe Kalma丑行1ter the bounded，itprdved se*tuning conv盯gesto酎oballyoptimal thathas fusionKalman右lter谢th鼢n it AsimId毗bn