基于特征函数的滤波方法研究
发布时间：2020-05-20 09:36
【摘要】：滤波技术指的是将信号中的特定波段频率分离,是现代工业电子、航空航天、图像处理等领域常用的抑制干扰的有效方法,因此得到了国内外专家学者的极度重视。在高斯线性系统中,以卡尔曼滤波器最为著名。而为了拓展滤波技术的应用,学者们研究了针对一类噪声为高斯的非线性系统的滤波算法。但针对非高斯噪声的非线性系统滤波方法的研究相对较为局限,本文就针对该类复杂系统的滤波方法进行研究。本文主要是针对基于特征函数的滤波算法的扩展研究。(1)对于现有的特征函数滤波算法进行了局限性分析,在基于多输入多输出所设计的滤波算法而适用于多输出的情况下,仅可得到数值近似的增益矩阵,存在因局部极值而导致的误差。利用泰勒展开思想将原本只适用于状态为线性观测为非线性的特征函数滤波算法,推广到适用于状态和观测均为非线性的复杂系统。通过仿真实验证明了方法的有效性。(2)特征函数滤波算法应用于多维观测系统下时,利用不动点迭代方法求解滤波增益矩阵。并对结果进行多项式拟合,从数值方法上对该算法的收敛性进行了分析,并与利用梯度下降法求解的算法进行比较实验。最后,通过一个工业器件的测量模型仿真实验证明了本文方法的有效性及适用性。(3)考虑到信息的多样性和融合性,本文在多传感器系统中分别设计了并行式和序贯式两种形式的特征函数滤波器。前者需要融合所有传感器的信息,因此信息较为可靠;后者则是考虑到了因传感器分别处于不同的地方而导致数据到达融合中心存在时间差,且传感器也可能出现的丢包现象,序贯式滤波同时还考虑到了信息继承性问题。最后通过仿真实验证明了两种滤波器设计方法的有效性及差异性。
【图文】：
为了更具代表性，汁算机Ｍａｔｌａｂ仿真２０次并取平均结果如下表所示。逡逑逦逦表３．１平均误差对比表逦逦逡逑状态向量逦ＫＦ逦ＣＦＦ逦ＫＦ邋ＶＳ邋ＣＦＦ逡逑Ａ－１逦０．２１８２逦０．２５２４逦逦１３．５％逦逡逑＼２逦０．２３０８逦０．２４９６逦７．５０％逡逑从上图和丨？．衣的数据可知，，在线性高斯模型下，皂无疑问ＫＦ是最好的估计器，逡逑但特征函数滤波的误差在实际应用中也是在可接受范围内的。通过ＣＦＦ与ＫＦ对于匀逡逑速直线运动模型的仿真实验，说明了邋ＣＦＦ基于函数与函数逼近效果而设计的性能指标逡逑是可以达到较理想的估计效果的。逡逑３．邋４基于非线性状态方程的ＣＦＦ逡逑３．邋４．邋１算法描述逡逑在３．３节中描述的ＣＦＦ算法Ｈ适合在状态模型为线性条件下，在状态方g魑海咤义闲院拢薹ㄍü苯酉嗉醯玫焦厥跫蟛畹牡萃票泶锸健Ｊ艿剑牛耍啤ⅲ校扑枷脲义
本文编号：2672421
【图文】：
为了更具代表性，汁算机Ｍａｔｌａｂ仿真２０次并取平均结果如下表所示。逡逑逦逦表３．１平均误差对比表逦逦逡逑状态向量逦ＫＦ逦ＣＦＦ逦ＫＦ邋ＶＳ邋ＣＦＦ逡逑Ａ－１逦０．２１８２逦０．２５２４逦逦１３．５％逦逡逑＼２逦０．２３０８逦０．２４９６逦７．５０％逡逑从上图和丨？．衣的数据可知，，在线性高斯模型下，皂无疑问ＫＦ是最好的估计器，逡逑但特征函数滤波的误差在实际应用中也是在可接受范围内的。通过ＣＦＦ与ＫＦ对于匀逡逑速直线运动模型的仿真实验，说明了邋ＣＦＦ基于函数与函数逼近效果而设计的性能指标逡逑是可以达到较理想的估计效果的。逡逑３．邋４基于非线性状态方程的ＣＦＦ逡逑３．邋４．邋１算法描述逡逑在３．３节中描述的ＣＦＦ算法Ｈ适合在状态模型为线性条件下，在状态方g魑海咤义闲院拢薹ㄍü苯酉嗉醯玫焦厥跫蟛畹牡萃票泶锸健Ｊ艿剑牛耍啤ⅲ校扑枷脲义
本文编号：2672421
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2672421.html
