帶未知參數(shù)系統(tǒng)的多傳感器多新息卡爾曼濾波器.pdf

1、多新息辨識理論是將新息的修正技術(shù)從單新息擴展到了新息向量，從而改善參數(shù)估計精度的有用信息。當(dāng)系統(tǒng)輸入不可信數(shù)據(jù)時，該算法能跳過壞數(shù)據(jù)，避開壞數(shù)據(jù)和損失數(shù)據(jù)對系統(tǒng)參數(shù)估計的影響，得到更精確的參數(shù)估計。為了進一步增強系統(tǒng)的容錯性和準(zhǔn)確性，我們將多新息辨識理論和多傳感器融合技術(shù)相結(jié)合。
　　多傳感器信息融合是將來自多個傳感器的信息進行合成，形成一種對被測對象某一特征的表達式。信息經(jīng)過融合后比單一傳感器的信息更完善、準(zhǔn)確，從而獲得系統(tǒng)狀態(tài)

2、的最優(yōu)融合估計。
　　本文應(yīng)用多新息辨識理論和多傳感器信息融合技術(shù)，對未知參數(shù)系統(tǒng)的研究主要包括以下幾方面:
　　首先，對帶有未知參數(shù)的狀態(tài)空間模型，給出了估計未知參數(shù)的多新息最小二乘方法和多新息隨機梯度方法等。運用基于狀態(tài)空間模型與ARMA模型之間的轉(zhuǎn)換，將狀態(tài)分量估計問題轉(zhuǎn)化為信號的估計問題，并利用多新息的辨識方法，得到系統(tǒng)的參數(shù)估值。
　　其次，對帶有未知參數(shù)系統(tǒng)，給出了自校正多新息Kalman狀態(tài)估值器。首先運

3、用多新息辨識理論，得到系統(tǒng)的未知模型參數(shù)估值，再將估出來的估值代入到Kalman濾波器中，從而得到帶未知參數(shù)系統(tǒng)的自校正多新息Kalman濾波器。
　　最后，對帶未知參數(shù)的多傳感器系統(tǒng)，給出了自校正多傳感器多新息Kalman狀態(tài)估值器。首先運用多新息辨識方法得到系統(tǒng)模型參數(shù)的估值，再基于集中式融合、矩陣加權(quán)融合和CI融合方法，從而得到帶未知參數(shù)系統(tǒng)的自校正多傳感器多新息Kalman濾波器。
　　通過Matlab仿真，驗證了估