有限观测时域下滤波与融合算法的设计

发布时间：2024-10-05 08:47

　　随着各个领域对控制对象跟踪精度和容错性的要求日益提高,单传感器检测系统已经逐渐难以满足。多传感器技术凭借自身的优势,在军事、民用领域发挥着越来越重要的作用。基于状态空间模型,状态估计方法能够根据统计规律,对一系列含误差的观测数据进行分析,获得隐于其中的被测量的估计值。在实际应用环境中,不可避免地存在着模型失配、精确噪声难以获得、初始条件未知等非理想条件,而这是以Kalman滤波(Kalman Filter,KF)为代表的无限脉冲响应(Infinite Impulse Response,IIR)估计难以从根本上解决的问题。有限脉冲响应(Finite Impulse Response,FIR)估计,仅利用最近有限观测时域内数据,能够对不确定因素表现出更高的免疫性。本文针对FIR估计的扩展及其信息融合作了初步尝试,具体研究内容如下:(1)建立增广模型,将更具一般化线性系统下的无偏FIR(Unbiased FIR,UFIR)滤波算法推广至离散状态时滞系统中。通过构造增广系统模型,对原系统进行无时滞转换。在批量形式滤波器的推导过程中同时考虑控制信号的参与,并求解对应的迭代形式,令算法保留了类KF快...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题研究背景及意义
    1.2 状态估计研究现状
    1.3 信息融合研究现状
    1.4 本文主要研究内容
第二章 信息融合状态估计基本方法
    2.1 引言
    2.2 信息融合基本方法
        2.2.1 集中式与分布式融合方法
        2.2.2 状态与观测融合方法
    2.3 状态估计基本方法
        2.3.1 Kalman滤波
        2.3.2 FIR滤波
    2.4 本章小结
第三章 线性离散状态时滞系统无偏FIR滤波
    3.1 引言
    3.2 模型描述
        3.2.1 模型的无时滞转换
        3.2.2 扩展状态空间模型
    3.3 时滞系统UFIR滤波
        3.3.1 无偏估计的批量形式
        3.3.2 迭代形式实现
    3.4 仿真结果
        3.4.1 模型1
        3.4.2 模型2
    3.5 本章小结
第四章 相关噪声下分布式状态融合无偏FIR滤波
    4.1 引言
    4.2 模型描述
        4.2.1 模型转化
        4.2.2 扩展状态空间模型
    4.3 局部UFIR滤波
    4.4 分布式信息融合滤波
        4.4.1 最优融合准则
        4.4.2 融合估计误差互协方差矩阵
    4.5 仿真结果
        4.5.1 目标跟踪模型
        4.5.2 1自由度扭转系统
    4.6 本章小结
第五章 基于迭代互协方差的分布式融合最优无偏FIR滤波
    5.1 引言
    5.2 模型描述
    5.3 局部OUFIR滤波
        5.3.1 批量计算形式
        5.3.2 等价迭代形式
    5.4 分布式信息融合滤波
        5.4.1 互协方差及其迭代形式
        5.4.2 最优加权融合OUFIR滤波
    5.5 仿真结果
        5.5.1 目标跟踪模型
        5.5.2 1自由度扭转系统
    5.6 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
附录:基于Python的状态估计仿真平台的GUI设计
附录:作者在攻读硕士学位期间发表的论文



本文编号：4007769