信息融合鲁棒Kalman滤波器

发布时间：2017-09-25 23:27

  本文关键词：信息融合鲁棒Kalman滤波器

  更多相关文章： 多传感器信息融合 不确定噪声方差系统 鲁棒Kalman滤波 极大极小鲁棒估计方法 Lyapunov方程方法

【摘要】：卡尔曼滤波被广泛应用于各种工程实践和信号处理中,经典Kalman滤波只适合于解决模型参数和噪声方差精确已知系统的状态估计问题。然而,在许多理论和工程应用问题中,模型参数和噪声方差的不确定性是广泛存在的。当模型参数和噪声方差出现不确定性时,应用经典Kalman滤波理论,滤波性能会降低甚至会引起滤波器的发散。为了解决不确定系统的滤波问题,近些年,有关鲁棒Kalman滤波的一些研究成果已经被提出。所谓的鲁棒Kalman滤波器是指设计一个滤波器使其对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一个最小上界。目前针对带模型参数不确定系统,有两种基本方法来设计鲁棒Kalman滤波器,一种方法是Riccati方程方法,一种是线性矩阵不等式(LMI)方法。这两种方法的缺点是主要适用于带模型参数不确定,噪声方差精确已知的不确定系统的鲁棒Kalman滤波设计。而且大多数文献没有考虑多传感器信息融合鲁棒滤波器的设计问题,且融合鲁棒滤波器的鲁棒性问题没有完全解决。因此本论文针对带不确定噪声方差的多传感器系统研究信息融合鲁棒Kalman滤波问题。对噪声方差不确定的多传感器系统,本文的主要工作如下:基于极大极小鲁棒估计原理,提出了一种设计鲁棒局部和融合Kalman滤波器的新方法:即对带保守噪声方差上界的最坏情形保守系统,在无偏线性最小方差(ULMV)最优估计准则下,可得带保守观测的保守最优局部和融合Kalman滤波器,将保守观测用真实系统的实际观测代替,可得鲁棒局部和融合Kalman滤波器及其在一般情形下实际滤波误差方差的最小上界。提出了鲁棒性分析的Lyapunov方程方法,将鲁棒性证明问题转化为判定Lyapunov方程的解的正定性问题,对所提出的局部和融合鲁棒Kalman估值器的鲁棒性进行了严格的证明,不同于以往文献中提出的Riccati方程方法和线性矩阵不等式(LMI)方法。对不确定噪声方差系统提出了鲁棒精度和实际精度概念及鲁棒精度分析方法,并且证明了所提出的鲁棒估值器之间的鲁棒精度关系。提出了五种鲁棒加权融合时变Kalman估值器(滤波器、预报器和平滑器)。其中包括3种状态融合(按矩阵加权、按标量加权和按对角阵加权)鲁棒Kalman估值器,一种改进的协方差交叉(CI)融合鲁棒Kalman估值器和一种加权观测融合鲁棒Kalman估值器。其中基于增广状态方法得到了鲁棒加权融合Kalman平滑器,且所提出的改进的CI鲁棒融合器包含局部估值器之间的保守互协方差信息,相比于原始的不考虑互协方差信息的CI融合器,提高了CI融合器的鲁棒精度,给出了实际估值误差方差阵的一个最小上界。通过对时变局部和融合鲁棒Kalman估值器取极限的间接方法,提出了相应的局部和融合鲁棒稳态Kalman估值器,且通过动态误差系统分析方法(DESA)和动态方差误差系统分析方法(DVESA),证明了所提出的时变和稳态鲁棒估值器彼此按实现收敛。基于稳态Kalman滤波理论,提出了一种简单直接方法设计局部和融合鲁棒稳态Kalman估值器。基于极大极小鲁棒估计原理,对带不确定噪声方差的带时滞或不带时滞的传感网络系统提出了两级分簇序贯协方差交叉融合鲁棒Kalman估值器(滤波器和预报器)。可避免计算互协方差,减小计算负担,其中应用最邻近法则,将传感器的节点分成簇来减小通信负担并节省节点能量。本文用若干仿真例子说明了上述算法的正确性与有效性。
【关键词】：多传感器信息融合 不确定噪声方差系统 鲁棒Kalman滤波 极大极小鲁棒估计方法 Lyapunov方程方法
【学位授予单位】：黑龙江大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TN713
【目录】：

• 中文摘要7-9
• Abstract9-18
• 第1章 绪论18-40
• 1.1 引言18-19
• 1.2 最优信息融合Kalman滤波基本方法19-22
• 1.2.1 集中式与分布式融合方法19-21
• 1.2.2 状态与观测融合方法21-22
• 1.3 不确定系统鲁棒Kalman滤波方法22-30
• 1.3.1 不确定系统描述22-26
• 1.3.2 几种重要的鲁棒Kalman滤波方法26-30
• 1.4 鲁棒Kalman滤波的发展概况和研究现状30-37
• 1.5 论文的主要工作37-40
• 1.5.1 论文的主要内容37-39
• 1.5.2 论文结构安排39-40
• 第2章 不确定系统信息融合鲁棒时变Kalman滤波器40-124
• 2.1 引言40
• 2.2 加权融合鲁棒时变Kalman滤波器40-69
• 2.2.1 局部鲁棒时变Kalman滤波器41-45
• 2.2.2 加权融合鲁棒时变Kalman滤波器45-58
• 2.2.3 鲁棒精度分析58-59
• 2.2.4 局部和融合鲁棒稳态Kalman滤波器59-69
• 2.3 加权融合鲁棒时变Kalman预报器69-84
• 2.3.1 局部鲁棒时变Kalman预报器69-72
• 2.3.2 加权观测融合鲁棒时变Kalman预报器72-77
• 2.3.3 鲁棒精度分析77-79
• 2.3.4 局部和融合鲁棒稳态Kalman预报器79-84
• 2.4 加权融合鲁棒时变和稳态Kalman平滑器84-106
• 2.4.1 局部鲁棒时变Kalman平滑器85-88
• 2.4.2 加权融合鲁棒时变Kalman平滑器88-97
• 2.4.3 鲁棒精度分析97-98
• 2.4.4 局部和加权融合鲁棒稳态Kalman平滑器98-106
• 2.5 仿真例子106-122
• 2.6 本章小结122-124
• 第3章 不确定系统信息融合鲁棒稳态Kalman滤波器——直接方法124-148
• 3.1 引言124
• 3.2 加权融合鲁棒稳态Kalman滤波器124-134
• 3.2.1 局部鲁棒稳态Kalman滤波器125-126
• 3.2.2 加权融合鲁棒稳态Kalman滤波器126-133
• 3.2.3 鲁棒精度分析133-134
• 3.3 加权融合鲁棒稳态Kalman平滑器134-145
• 3.3.1 局部鲁棒稳态Kalman平滑器134-138
• 3.3.2 加权融合鲁棒稳态Kalman平滑器138-145
• 3.4 仿真例子145-147
• 3.5 本章小结147-148
• 第4章 不确定分簇传感网络系统信息融合鲁棒稳态Kalman滤波器148-176
• 4.1 引言148-149
• 4.2 两级序贯协方差交叉（SCI）融合鲁棒稳态Kalman预报器149-161
• 4.2.1 局部鲁棒稳态Kalman预报器149-152
• 4.2.2 两级序贯协方差交叉（SCI）融合鲁棒稳态Kalman预报器152-160
• 4.2.3 精度分析160-161
• 4.3 带观测滞后两级序贯协方差交叉（SCI）融合鲁棒稳态Kalman滤波器161-171
• 4.3.1 观测变换161-163
• 4.3.2 局部鲁棒稳态Kalman滤波器163-165
• 4.3.3 两级SCI融合鲁棒稳态Kalman滤波器165-171
• 4.3.4 两级SCI融合器鲁棒精度分析171
• 4.4 仿真例子171-175
• 4.5 本章小结175-176
• 结论176-178
• 参考文献178-190
• 致谢190-192
• 攻读博士学位期间发表的学术论文192-196
• 攻读博士学位期间取得的其它成果196

【相似文献】

中国期刊全文数据库 前10条

1 李天翼;王明辉;常化文;陈淑清;;基于熵检测的图像噪声方差小波域估计[J];北京邮电大学学报;2011年05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 陈宗民;周治平;;噪声方差和纹理复杂度分析的源相机识别[J];计算机应用;2012年06期

5 曲巍崴;高峰;;基于噪声方差估计的小波阈值降噪研究[J];机械工程学报;2010年02期

6 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

7 李天翼;王明辉;吴亚娟;常化文;;图像噪声方差的小波域估计算法[J];北京工业大学学报;2012年09期

8 刘鹏;刘定生;;基于噪声方差来计算变分图像反卷积的规整化参数[J];光学学报;2009年09期

9 郝惠娟;秦超英;丁维福;;噪声方差未知情况下多传感器航迹融合[J];传感技术学报;2006年06期

10 刘艳丽;郭延文;王进;彭群生;;噪声方差未知的小波域中非局部均值图像去噪[J];计算机辅助设计与图形学学报;2009年04期

中国重要会议论文全文数据库 前3条

1 崔旭东;刘瑞根;;图像中的噪声方差估计[A];中国工程物理研究院科技年报（2000）[C];2000年

2 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

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

中国博士学位论文全文数据库 前1条

1 齐文娟;信息融合鲁棒Kalman滤波器[D];黑龙江大学;2015年

中国硕士学位论文全文数据库 前1条

1 黄芳;WLAN链路仿真平台帧聚合机制及噪声方差估计算法实现与仿真[D];西南交通大学;2014年

，

本文编号：920219