最優(yōu)和自校正多傳感器信息融合白噪聲反卷積估值器.pdf

1、隨著信息時(shí)代的到來，多傳感器信息融合因其能有效地提高和優(yōu)化基于單傳感器的估計(jì)、識(shí)別或決策(控制)性能而得到了日趨廣泛的重視和應(yīng)用，其應(yīng)用領(lǐng)域遍及軍事和民用領(lǐng)域的方方面面。作為其中的一個(gè)分支，最優(yōu)和自校正信息融合濾波理論分別是針對(duì)模型參數(shù)和/或噪聲統(tǒng)計(jì)已知和未知兩種情況下的多傳感器系統(tǒng)的狀態(tài)或信號(hào)的融合估計(jì)問題研究。系統(tǒng)的輸入白噪聲信號(hào)估計(jì)問題即白噪聲反卷積估計(jì)問題在石油地震勘探和通信系統(tǒng)有重要應(yīng)用背景。
　　 本文應(yīng)用Kalma

2、n濾波方法和現(xiàn)代時(shí)間序列分析方法兩種方法論，基于多傳感器加權(quán)狀態(tài)融合和加權(quán)觀測(cè)融合兩種融合方法，結(jié)合系統(tǒng)辨識(shí)方法，分別進(jìn)行最優(yōu)和自校正多傳感器信息融合白噪聲反卷積估值器的研究。主要工作包括以下四個(gè)方面：
　　 首先，應(yīng)用Kalman濾波方法，基于Riccati方程，對(duì)帶不同局部模型和帶相關(guān)噪聲多傳感器系統(tǒng)給出統(tǒng)一的加權(quán)融合最優(yōu)和穩(wěn)態(tài)最優(yōu)白噪聲反卷積估值器。為了計(jì)算最優(yōu)加權(quán)，給出了計(jì)算局部估計(jì)誤差互協(xié)方差的兩種公式。
　　

3、 其次，應(yīng)用現(xiàn)代時(shí)間序列分析方法，基于ARMA新息模型，對(duì)帶不同局部模型和帶相關(guān)噪聲多傳感器系統(tǒng)給出統(tǒng)一的穩(wěn)態(tài)最優(yōu)白噪聲估值器。對(duì)帶相同或不同局部動(dòng)態(tài)模型的多傳感器時(shí)滯系統(tǒng)，提出了的最優(yōu)加權(quán)狀態(tài)融合白噪聲反卷積估值器。為了計(jì)算最優(yōu)加權(quán)，分別給出了計(jì)算局部估計(jì)誤差互協(xié)方差的公式。
　　 再次，應(yīng)用Kalman濾波方法，基于Riccati方程，對(duì)于帶相同觀測(cè)陣和相關(guān)觀測(cè)噪聲或帶不同觀測(cè)陣和相關(guān)觀測(cè)噪聲或帶相同觀測(cè)陣和相關(guān)噪聲的多傳感

4、器時(shí)變系統(tǒng)，分別提出了最優(yōu)加權(quán)觀測(cè)融合白噪聲反卷積估值器，并證明其與相應(yīng)的集中式融合白噪聲反卷積估值器的完全功能等價(jià)性和全局最優(yōu)性。同時(shí)作為特殊情況又給出了相應(yīng)的定常系統(tǒng)穩(wěn)態(tài)最優(yōu)加權(quán)觀測(cè)融合白噪聲反卷積估值器。
　　 最后，應(yīng)用Kalman濾波方法，基于Riccati方程，對(duì)帶未知噪聲統(tǒng)計(jì)的多傳感器定常系統(tǒng)，應(yīng)用基于相關(guān)函數(shù)方法的信息融合噪聲統(tǒng)計(jì)的估值器，提出了自校正加權(quán)觀測(cè)融合白噪聲反卷積估值器。對(duì)帶未知模型參數(shù)和帶未知噪聲統(tǒng)

5、計(jì)的多傳感器單通道AR和ARMA系統(tǒng)，應(yīng)用相關(guān)函數(shù)方法、遞推輔助變量算法和Gevers-Wounters算法給出了模型參數(shù)和噪聲統(tǒng)計(jì)估值器，進(jìn)而提出了自校正加權(quán)觀測(cè)融合白噪聲反卷積估值器。并基于動(dòng)態(tài)誤差系統(tǒng)分析方法證明了其收斂于相應(yīng)的穩(wěn)態(tài)加權(quán)觀測(cè)融合白噪聲反卷積估值器，即它們具有漸近全局最優(yōu)性。
　　 以上結(jié)論均通過仿真例子給出驗(yàn)證，證明了理論的有效性。
　　 上述結(jié)果在多傳感器信息融合濾波、石油地震勘探、信號(hào)處理和狀態(tài)