不确定系统鲁棒融合Kalman滤波与反卷积

发布时间：2021-05-07 10:49

　　Kalman滤波方法是处理状态估计问题的基本工具。经典Kalman滤波方法要求系统的模型参数和噪声方差是精确已知的。然而,在实际应用中,由于未建模动态和随机扰动等原因,系统模型中往往存在着不确定性,包括模型参数不确定性和噪声方差不确定性,而参数不确定性又包括范数有界参数不确定性和随机参数不确定性（乘性噪声）。此外,由于传感器故障导致的丢失观测现象也经常发生。当系统模型中存在不确定性时,Kalman滤波器的性能会变坏甚至会引起滤波器的发散。这推动了在鲁棒Kalman滤波器设计上的许多研究。所谓的鲁棒Kalman滤波器是指针对由不确定性所形成的一族系统模型设计一个滤波器,使得对于所有容许的不确定性,它的相应的实际滤波误差方差阵被保证有最小上界。针对模型参数不确定但噪声方差已知的系统,设计鲁棒Kalman估值器的两种基本方法是Riccati方程方法和线性矩阵不等式（LMI）方法;针对噪声方差不确定但模型参数已知的系统,设计鲁棒Kalman估值器的基本方法是Lyapunov方程方法。目前,对于模型参数和噪声方差都不确定且存在丢失观测的混合不确定系统,信息融合鲁棒Kalman滤波和白噪声反卷积的... 

【文章来源】：黑龙江大学黑龙江省

【文章页数】：301 页

【学位级别】：博士

【文章目录】：
中文摘要
Abstract
第1章 绪论
    1.1 引言
    1.2 多传感器最优信息融合方法
        1.2.1 集中式与分布式融合方法
        1.2.2 状态与观测融合方法
    1.3 不确定系统鲁棒Kalman滤波方法
        1.3.1 系统的不确定性
        1.3.2 几种常用的鲁棒Kalman滤波方法
    1.4 鲁棒Kalman滤波与白噪声反卷积的研究现状
        1.4.1 鲁棒Kalman滤波研究现状
        1.4.2 最优和鲁棒白噪声反卷积研究现状
    1.5 论文的主要工作
        1.5.1 论文的主要内容
        1.5.2 论文结构安排
    1.6 公共引理
第2章 带乘性噪声和不确定噪声方差系统鲁棒Kalman滤波
    2.1 引言
    2.2 带相同乘性噪声系统鲁棒加权融合Kalman估值器
        2.2.1 虚拟噪声方法进行模型转换
        2.2.2 鲁棒局部时变Kalman估值器
        2.2.3 统一的四种加权状态融合鲁棒时变Kalman估值器
        2.2.4 鲁棒局部和融合时变Kalman估值器的精度分析
        2.2.5 鲁棒局部和融合时变Kalman估值器的收敛性分析
        2.2.6 应用于带随机参数的AR信号的鲁棒融合Kalman滤波
    2.3 带相同乘性噪声系统鲁棒集中式和加权观测融合估值器
        2.3.1 集中式和加权融合观测方程
        2.3.2 鲁棒集中式和加权观测融合时变Kalman估值器
        2.3.3 鲁棒集中式和加权观测融合时变Kalman估值器的等价性
        2.3.4 鲁棒融合时变Kalman估值器的复杂性分析
        2.3.5 鲁棒融合时变Kalman估值器的收敛性分析
        2.3.6 应用于带随机参数和有色观测噪声的AR信号鲁棒融合滤波
    2.4 带状态相依和噪声相依乘性噪声系统鲁棒Kalman估值器
        2.4.1 虚拟噪声方法进行模型转换
        2.4.2 鲁棒时变Kalman估值器
        2.4.3 鲁棒时变Kalman估值器的收敛性分析
        2.4.4 应用于带丢包和不确定噪声方差系统的鲁棒Kalman滤波
    2.5 仿真例子
    2.6 本章小结
第3章 混合不确定系统鲁棒Kalman滤波
    3.1 引言
    3.2 混合不确定系统鲁棒集中式和加权观测融合Kalman预报器
        3.2.1 虚拟噪声方法进行模型转换
        3.2.2 集中式和加权融合观测方程
        3.2.3 鲁棒集中式和加权观测融合时变Kalman预报器
        3.2.4 鲁棒集中式和加权观测融合时变Kalman预报器的复杂性分析
        3.2.5 鲁棒集中式和加权观测融合时变Kalman预报器的收敛性分析
    3.3 带相关噪声的混合不确定系统鲁棒集中式和加权观测融合器
        3.3.1 虚拟噪声方法进行模型转换
        3.3.2 集中式和加权融合观测方程
        3.3.3 鲁棒集中式和加权观测融合时变Kalman估值器
        3.3.4 鲁棒集中式和加权观测融合时变Kalman估值器的等价性
        3.3.5 鲁棒集中式和加权观测融合时变Kalman估值器的复杂性分析
        3.3.6 鲁棒集中式和加权观测融合时变Kalman估值器的收敛性分析
        3.3.7 鲁棒融合Kalman滤波器与鲁棒加权最小二乘滤波器的比较
    3.4 仿真例子
    3.5 本章小结
第4章 不确定多传感器系统鲁棒融合白噪声反卷积
    4.1 引言
    4.2 不确定系统加权融合鲁棒稳态白噪声反卷积平滑器
        4.2.1 鲁棒局部稳态Kalman预报器
        4.2.2 鲁棒局部稳态白噪声反卷积平滑器
        4.2.3 鲁棒加权状态融合白噪声反卷积平滑器
        4.2.4 鲁棒集中式和加权观测融合稳态白噪声反卷积平滑器
        4.2.5 精度分析
    4.3 混合不确定性系统鲁棒集中式和加权观测融合白噪声反卷积
        4.3.1 虚拟噪声方法进行模型转换
        4.3.2 集中式和加权融合观测方程
        4.3.3 鲁棒融合时变白噪声反卷积估值器
        4.3.4 鲁棒融合时变白噪声反卷积估值器的复杂性分析
        4.3.5 鲁棒融合时变白噪声反卷积估值器的收敛性分析
    4.4 仿真例子
    4.5 本章小结
结论
参考文献
致谢
攻读博士学位期间发表的学术论文
攻读博士学位期间取得的其它成果


【参考文献】：
期刊论文
[1]面向跟踪系统的多传感器信息融合鲁棒保性能协方差交叉Kalman估计方法[J]. 杨智博,杨春山,邓自立.  电子学报. 2017(07)
[2]不确定噪声方差定常系统保性能鲁棒Kalman滤波器[J]. 杨智博,杨春山,邓自立.  控制理论与应用. 2016(04)
[3]带不确定噪声方差保性能鲁棒集中式融合Kalman预报器[J]. 杨春山,杨智博,邓自立.  控制与决策. 2016(06)
[4]具有乘性噪声的线性离散时间随机控制系统综述[J]. 刘光明,苏为洲.  控制理论与应用. 2013(08)
[5]具有测量数据丢失的离散不确定时滞系统鲁棒Kalman滤波[J]. 陈博,俞立,张文安.  自动化学报. 2011(01)
[6]多丢包不确定离散系统的鲁棒Kalman滤波[J]. 郭戈,王宝凤.  自动化学报. 2010(05)
[7]基于Kalman滤波的通用和统一的白噪声估计方法[J]. 邓自立,许燕.  控制理论与应用. 2004(04)
[8]Optimum deconvolution algorithm for system with multiplicative white noise and additive correlative noise[J]. 王会立,陈希信.  Journal of Harbin Institute of Technology. 2004(03)
[9]时变系统的统一和通用的最优白噪声估值器[J]. 邓自立.  控制理论与应用. 2003(01)
[10]基于Kalman滤波的白噪声估计理论（英文）[J]. 邓自立,许燕.  自动化学报. 2003(01)



本文编号：3173264