多傳感器分布式融合最優(yōu)和自校正卡爾曼濾波器.pdf

1、多傳感器信息融合作為一門(mén)新興邊緣學(xué)科，近年來(lái)已經(jīng)廣泛應(yīng)用到許多高技術(shù)領(lǐng)域，包括導(dǎo)航、防御、目標(biāo)跟蹤、GPS定位和機(jī)器人等領(lǐng)域。信息融合估計(jì)理論是多傳感器信息融合這一新興邊緣學(xué)科的一個(gè)重要分支，它是多傳感器數(shù)據(jù)融合與Kalman濾波理論的交叉領(lǐng)域。
　　 本文對(duì)于多傳感器線(xiàn)性離散隨機(jī)系統(tǒng)，應(yīng)用經(jīng)典Kalman濾波方法，研究了分布式融合最優(yōu)和自校正Kalman濾波問(wèn)題，所做的主要的工作包括:
　　 (1)當(dāng)多傳感器系統(tǒng)的模型

2、參數(shù)和噪聲統(tǒng)計(jì)部分/全部未知時(shí)，應(yīng)用多段信息融合辨識(shí)方法，得到系統(tǒng)模型參數(shù)和噪聲統(tǒng)計(jì)的局部和融合估值。本文在融合方法上，應(yīng)用了三類(lèi)分布式融合算法:最優(yōu)加權(quán)狀態(tài)融合（在最小方差意義下的按矩陣加權(quán)、標(biāo)量加權(quán)和按對(duì)角陣加權(quán)融合）濾波算法、基于信息矩陣的分布式融合濾波算法和加權(quán)觀(guān)測(cè)融合濾波算法。
　　 (2)本文針對(duì)兩類(lèi)系統(tǒng)，一類(lèi)是模型參數(shù)和噪聲統(tǒng)計(jì)部分未知的多傳感器系統(tǒng)，另一類(lèi)是模型參數(shù)和噪聲統(tǒng)計(jì)全部未知的多傳感器系統(tǒng)。應(yīng)用系統(tǒng)辨識(shí)方

3、法和相關(guān)方法，得到模型參數(shù)和噪聲統(tǒng)計(jì)的融合估值，將這些融合估值代入到三類(lèi)分布式融合Kalman濾波器中，分別提出自校正加權(quán)狀態(tài)融合Kalman濾波器、自校正加權(quán)觀(guān)測(cè)融合Kalman濾波器和基于信息矩陣的自校正分布式融合Kalman濾波器。
　　 (3)對(duì)于系統(tǒng)模型參數(shù)和噪聲統(tǒng)計(jì)全部未知的多傳感器系統(tǒng)，當(dāng)過(guò)程噪聲和觀(guān)測(cè)噪聲不相關(guān)或相關(guān)時(shí)，證明了所提出的自校正分布式融合Kalman濾波器的收斂性。證明自校正Riccati方程的收斂性

4、是證明自校正Kalman濾波器收斂性的關(guān)鍵所在。通過(guò)動(dòng)態(tài)方差誤差系統(tǒng)分析方法，自校正Ricatti方程的收斂性問(wèn)題就可以轉(zhuǎn)化為時(shí)變Lyapunov方程的穩(wěn)定性問(wèn)題。在證明自校正Riccati方程收斂性的基礎(chǔ)上，利用動(dòng)態(tài)誤差系統(tǒng)分析方法，可以證明自校正分布式融合Kalman濾波器的收斂性，即證明自校正分布式融合Kalman濾波器按一個(gè)實(shí)現(xiàn)收斂于最優(yōu)分布式融合Kalman濾波器。
　　 (4)將自校正分布式融合Kalman濾波算法推