多传感器欠观测系统信息融合自适应增量Kalman估值器

作     者：周晗 

作者单位：黑龙江大学 

学位级别：硕士

导师姓名：孙小君

授予年度：2021年

学科分类：080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 

主      题：欠观测系统 自适应算法 增量Kalman滤波 无偏性 加权信息融合 

摘      要：在欠观测条件下,当系统的量测方程无法进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而引起较大的滤波误差。同样的,当状态噪声与量测噪声的统计量未知时,滤波器的性能也会变坏,甚至会导致滤波发散。增量方程的引入可以有效消除系统中所出现的未知量测误差,噪声统计估值器的加入也可在滤波过程中对噪声统计进行实时估计与修正,从而带未知量测误差与未知噪声统计的欠观测系统的状态估计问题可以转换为增量系统的自适应状态估计问题。为进一步提高欠观测系统下噪声统计与状态的估计精度,本文将针对带未知量测误差和未知噪声统计的多传感器欠观测系统。首先,提出一种新的基于新息的噪声统计估计算法,其估计精度要高于已有的改进Sage-Husa自适应算法。所提出的基于新息的自适应增量Kalman滤波算法有效的解决了欠观测条件下系统带未知噪声统计的无偏估计及进一步的状态估计问题。其次,本文结合多传感器分布式加权融合算法,基于线性最小方差意义下的最优融合算法,分别提出了多传感器加权状态融合和加权观测融合的自适应增量Kalman估值器。最后,针对广义CAR模型系统,提出一种基于自适应增量Kalman估值器的观测预报算法,并与加权观测融合算法相结合,能够有效解决多传感欠观测系统下的观测增量的预测与更新。仿真实例证实上述所提算法的有效性与可行性。