不确定信号系统鲁棒观测融合Kalman预报器

发布时间：2018-06-22 15:24

  本文选题：多传感器信息融合 + 鲁棒　； 参考：《系统科学与数学》2017年04期

【摘要】：对于带不确定噪声方差的多传感器单通道自回归滑动平均(ARMA)信号系统,当观测噪声中包含白噪声和一个自回归滑动平均(ARMA)有色观测噪声时,通过增广状态方法把ARMA信号系统模型转化为状态空间模型.应用加权最小二乘法和极大极小鲁棒估计准则,基于带噪声方差保守上界的最坏保守系统,提出了鲁棒加权观测融合稳态Kalman信号预报器.对于噪声方差的所有可能的不确定性,它们的实际预报误差方差保证有相应的最小上界.应用Lyapunov方程方法,证明了局部和加权观测融合稳态Kalman信号预报器的鲁棒性和鲁棒精度关系.通过一个仿真例子验证了所提出理论结果的正确性和有效性.
[Abstract]:For a multisensor single-channel autoregressive moving average (ARMA) signal system with uncertain noise variance, when white noise and an autoregressive moving average (ARMA) colored observation noise are included in the observed noise, The ARMA signal system model is transformed into a state space model by augmented state method. A robust weighted observational fusion steady-state Kalman signal predictor is proposed for worst-case conservative systems with conservative upper bounds of noise variance by using weighted least square method and minimax robust estimation criterion. For all possible uncertainties of noise variance their actual prediction error variance is guaranteed to have a corresponding minimum upper bound. By using the Lyapunov equation method, the robustness and the robust accuracy of the local and weighted observational fusion steady-state Kalman signal predictors are proved. A simulation example is given to verify the correctness and validity of the proposed theoretical results.
【作者单位】： 黑龙江科技大学计算机与信息工程学院;哈尔滨商业大学管理学院;黑龙江财经学院财经信息工程系;
【基金】：黑龙江省教育厅科学技术研究项目(12541698)资助课题
【分类号】：TP202;TP212

【相似文献】

相关期刊论文 前10条

1 余科根;系统参数与结构及其噪声方差的同时估计[J];南昌大学学报(工科版);1997年03期

2 赵海艳;陈虹;;噪声方差不确定约束系统的滚动时域估计[J];控制与决策;2008年02期

3 胡士强,敬忠良;基于噪声方差估计的稳健融合算法[J];仪器仪表学报;2004年S1期

4 李洪波;杨军锋;;自适应Kalman滤波在多传感器数据融合中应用[J];国外电子测量技术;2006年06期

5 尚晓星;李俊霞;;基于不敏Kalman滤波的多传感器数据融合算法[J];河南师范大学学报(自然科学版);2011年04期

6 李毅;陆百川;李雪;;基于多尺度Kalman滤波的多传感器数据融合[J];重庆交通大学学报(自然科学版);2012年02期

7 刘洲洲;;基于Kalman滤波的多传感器信息融合研究[J];电子设计工程;2013年11期

8 朱嘉钢;王士同;杨静宇;;r-SVR中参数r与输入噪声间线性反比关系的仿真研究[J];计算机科学;2005年09期

9 周露,吴瑶华,闻新;带未知系统偏差的自适应Kalman预报新方法[J];黑龙江自动化技术与应用;1994年04期

10 赵威;徐毓;;多传感器噪声方差未知情况下的异步航迹融合[J];传感技术学报;2008年12期

相关会议论文 前4条

1 胡士强;敬忠良;;基于噪声方差估计的稳健融合算法[A];第二届全国信息获取与处理学术会议论文集[C];2004年

2 石莹;孟华;邓自立;;多传感器信息融合稳态Kalman跟踪滤波器[A];2006中国控制与决策学术年会论文集[C];2006年

3 颜东;颜宁;;不同噪声方差冗余传感器解析余度设计[A];1997中国控制与决策学术年会论文集[C];1997年

4 田行伟;石莹;;带相关噪声的非方广义系统降阶Kalman递推滤波器[A];中国自动化学会控制理论专业委员会A卷[C];2011年

相关硕士学位论文 前6条

1 金翩;基于Kalman滤波的目标跟踪与传感器配准问题研究[D];华中科技大学;2015年

2 匡磊;神经网络校正的Kalman滤波算法及应用研究[D];华中科技大学;2016年

3 李小宁;基于Kalman滤波—加权因子的多传感器数据融合方法研究[D];电子科技大学;2005年

4 梁佐江;基于Kalman滤波方法的多传感器信息融合滤波器[D];黑龙江大学;2005年

5 王欣;基于Kalman滤波方法的多传感器信息融合最优白噪声反卷积滤波器[D];黑龙江大学;2005年

6 李闯;带不同局部动态模型的时变系统Kalman融合器及其应用[D];黑龙江大学;2007年

，

本文编号：2053261