检索结果-南通市图书馆

作者：王光辉黑龙江大学

学位级别：硕士

随着网络通讯技术和计算机技术的快速发展，各种面向复杂应用背景的多传感器系统大量涌现。网络传输技术被广泛应用于航空航天、军事、工业等各个领域。然而，在实际应用系统中，由于传输通道的多变性和通信的不可靠性，时滞现象是不可... 详细信息

随着网络通讯技术和计算机技术的快速发展，各种面向复杂应用背景的多传感器系统大量涌现。网络传输技术被广泛应用于航空航天、军事、工业等各个领域。然而，在实际应用系统中，由于传输通道的多变性和通信的不可靠性，时滞现象是不可忽视的。针对含有时滞的系统，传统Kalman估计理论已经不能适用。本文利用射影理论和线性最小方差意义下的加权融合算法，对时滞系统的融合估计问题提出了如下创新性研究成果：对带观测常时滞的多传感器线性离散系统，通过非增广方法将观测常时滞线性离散系统转化为无时滞的新系统，首先对单传感器系统提出了最优Kalman估值器。推导出任两个子系统的局部估计误差互协方差阵。进而，给出了分布式加权信息融合估值器。对带有随机无序航迹的多传感器线性离散系统，在局部状态滤波估计向融合处理中心传输的过程中发生随机时滞，利用当前时刻到达融合中心的最新局部估值进行融合，如果在当前时刻没有接收到当前时刻的局部估值，则用上一时刻的局部滤波进行预报，进而利用避免计算互协方差阵的CI算法进行融合估计。对带有随机无序观测的多传感器线性离散系统，系统模型中的观测时滞用一个服从Bernoulli分布的随机变量进行刻画。首先对单传感器系统提出线性最小方差最优线性滤波器。推导出任两个子系统的局部估计误差互协方差阵。进而，提出了分布式加权信息融合估值器。

关键词：时滞系统无序互协方差阵融合估计 Kalman滤波器射影定理

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多传感器异步采样信息融合估计

多传感器异步采样信息融合估计

作者：肖春玉黑龙江大学

学位级别：硕士

随着多传感器数据融合技术在军事和民用等领域中的广泛应用，国内外学者对它的研究也在迅速升温然而目前研究较多的是同步数据融合问题，即假设各传感器同步对目标进行测量，并且同步传送数据到融合中心而在实际中经常遇到的却是异步融... 详细信息

随着多传感器数据融合技术在军事和民用等领域中的广泛应用，国内外学者对它的研究也在迅速升温然而目前研究较多的是同步数据融合问题，即假设各传感器同步对目标进行测量，并且同步传送数据到融合中心而在实际中经常遇到的却是异步融合问题，如所用的各种传感器具有不同的采样速率，固有延迟和通信延迟，都会产生异步多传感器数据融合问题因此研究多传感器异步采样信息融合技术具有更重要的理论意义和应用价值本文主要对多传感器异步采样信息融合估计的算法进行了研究，包括具有整数倍采样率的多传感器系统的信息融合滤波器的设计，具有有理数倍采样率的多传感器系统的信息融合滤波器的设计，以及具有四种速率的多速率多传感器系统的信息融合滤波器的设计对具有整数倍采样率的线性离散随机系统，基于已知建立在最细尺度上的状态方程，通过对状态方程和观测方程进行分块，将模型转化为建立在各个尺度上的状态空间模型对于新的具有单采样率的多传感器系统，推导出了任意两个传感器子系统之间的状态滤波误差互协方差阵的计算公式最后基于线性最小方差最优加权融合算法给出了状态融合滤波器对具有有理数倍采样率的线性离散随机系统，通过模型变换将原来的异步采样系统转化为了具有单采样率的多传感器系统，从而得到局部Kalman滤波器针对多传感器系统，推导了任意两个传感器子系统之间的估计误差互协方差阵最后基于线性最小方差最优加权融合算法给出了状态融合滤波器对具有多速率的线性离散随机系统，其中涉及到四种速率：状态更新率，观测采样率，估计更新率和估计输出率假定系统模型中的状态更新率与观测采样率各不相同对于单传感器，估计更新率与观测采样率相同，估计输出率为任意的正整数首先通过模型变换将原多速率系统转化为单速率线性离散随机系统，随后给出了局部单传感器的滤波器最后依据分布式加权融合算法，给出了两种加权融合状态滤波器

关键词：多速率采样多传感器系统 Kalman滤波信息融合互协方差阵

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

带随机观测滞后系统的信息融合滤波

带随机观测滞后系统的信息融合滤波

作者：田甜黑龙江大学

学位级别：硕士

观测带随机滞后的系统普遍存在于很多实际应用中,例如,在网络控制、通信系统中,由于传输通道的多变性和通信的不可靠性,可能会导致一步或多步的随机观测滞后从而导致系统性能下降。体现在观测方程中就会存在观测随机滞后项。其中随机观... 详细信息

观测带随机滞后的系统普遍存在于很多实际应用中,例如,在网络控制、通信系统中,由于传输通道的多变性和通信的不可靠性,可能会导致一步或多步的随机观测滞后从而导致系统性能下降。体现在观测方程中就会存在观测随机滞后项。其中随机观测滞后可通过Bernoulli分布的随机变量来描述。本文将对具有随机观测滞后的多传感器线性离散随机系统开展分布式信息融合估计算法研究。主要研究内容如下：基于射影定理,利用状态增广方法,将带一步随机观测滞后的线性离散随机系统转化为增广的不带滞后的系统。针对新的增广系统,提出了基于单传感器系统的线性最小方差最优Kalman估值器。进一步,对多传感器一步随机观测滞后随机系统,推导了任意两个传感器子系统之间的估计误差互协方差阵计算公式。最后,基于分布式线性最小方差加权信息融合估计算法,给出了分布式加权信息融合Kalman估值器。基于射影定理,利用非增广方法,对带一步随机观测滞后的线性离散随机单传感器系统,提出了的线性无偏最小方差Kalman满阶滤波器和预报器。进一步,对多传感器一步随机观测滞后随机系统,推导了任意两个传感器子系统之间的估计误差互协方差阵计算公式。最后,基于线性最小方差加权信息融合估计算法,给出了分布式加权信息融合Kalman滤波器和预报器。对带多步随机观测滞后的线性离散随机系统,利用状态增广方法,首先,提出了基于单传感器系统的线性最小方差最优Kalman估值器。进一步,对多传感器带多步随机观测滞后随机系统,推导了任意两个传感器子系统之间的估计误差互协方差阵计算公式。最后,基于线性最小方差最优加权融合算法,给出了分布式加权信息融合Kalman估值器。

关键词：随机观测滞后系统信息融合分布式融合估值器互协方差阵 Kalman滤波器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

广义系统最优与自校正分布式信息融合估值器

广义系统最优与自校正分布式信息融合估值器

作者：马静黑龙江大学

学位级别：硕士

广义系统广泛出现在机器人、电网络和经济管理等实际系统中，广义系统的状态估计问题在系统设计与控制中具有重要的意义。本文研究了广义系统分布式信息融合状态估计算法，包括广义系统降阶信息融合估值器的设计、广义系统满阶信息融合... 详细信息

广义系统广泛出现在机器人、电网络和经济管理等实际系统中，广义系统的状态估计问题在系统设计与控制中具有重要的意义。本文研究了广义系统分布式信息融合状态估计算法，包括广义系统降阶信息融合估值器的设计、广义系统满阶信息融合估值器的设计以及带未知噪声统计和／或未知模型参数的广义系统降阶、满阶滤波器的设计。对带多传感器和带相关噪声的广义离散随机线性系统，通过多种非奇异变换，将广义系统转化为不同的降阶子系统标准形，基于线性最小方差最优加权融合算法和射影理论，针对不同的降阶子系统标准型，分别提出了分布式降阶信息融合Kalman估值器和Wiener估值器(包括滤波器、预报器和平滑器)。推导了任两个局部估计误差之间的互协方差阵的计算公式，以及两个降阶子系统之间的局部估计误差互协方差阵的计算公式。当各局部传感器子系统存在稳态滤波时，证明了任两个局部估计误差之间的互协方差阵所满足的方程解的收敛性，即其解可通过带任意初值迭代计算。给出了多传感器降阶信息融合稳态Kalman估值器。并且，降阶信息融合稳态Kalman估值器可在各局部子系统达到稳态时仅通过一次融合求得融合权重，与非稳态情形相比避免了每时刻计算融合权重，可明显减小在线计算负担。将带噪声在同时刻相关的广义系统转化为噪声在同时刻和邻近时刻相关的非广义系统，基于这个非广义系统提出了基于每个传感器的局部满阶Kalman估值器(包括滤波器和平滑器)。基于线性最小方差最优加权融合算法，对带多个传感器的广义系统给出了分布式最优加权满阶Kalman估值器。推导出任两个传感器子系统之间的估计误差互协方差阵所满足的方程。在系统可检和可稳的条件下，证明了局部传感器子系统估计误差方差阵所满足的Riccati方程解的收敛性，进而对多传感器系统证明了任两个传感器子系统之间的互协方差阵所满足的Riccati方程解的收敛性。并给出了满阶信息融合稳态估值器。当系统含有未知噪声统计信息时，基于相关函数给出了一种分布式辨识方法，提出了自校正降阶和满阶信息融合滤波器。当系统含有未知模型参数时，通过直接辨识ARMA新息模型参数，给出了信息融合参数估计算法和自校正降阶、满阶信息融合滤波器。当系统同时含有未知模型参数和噪声统计时，给出了具有三段融合结构的自校正降阶和满阶信息融合滤波器。

关键词：广义系统分布式融合估计降阶估值器满阶估值器自校正融合估值器互协方差阵

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

带未知输入系统的分布式融合滤波及应用

带未知输入系统的分布式融合滤波及应用

作者：白锦花黑龙江大学

学位级别：硕士

含未知输入、干扰或偏差的随机系统的状态估计问题广泛出现在控制、通信、信号处理和故障诊断中。在多传感器环境中,不同的传感器可能受到不同干扰输入的影响。研究含未知输入系统的状态和输入估计问题无论在理论上还是在工程实践中都... 详细信息

含未知输入、干扰或偏差的随机系统的状态估计问题广泛出现在控制、通信、信号处理和故障诊断中。在多传感器环境中,不同的传感器可能受到不同干扰输入的影响。研究含未知输入系统的状态和输入估计问题无论在理论上还是在工程实践中都具有重要意义。本文研究含未知输入系统分布式信息融合状态估计算法,包括带随机偏差的信息融合估值器的设计、带未知输入的信息融合估值器的设计、以及带未知噪声统计信息和带随机系统偏差的自校正信息融合估值器的设计。对带随机偏差的离散线性随机系统,采用动态系统增广的方法,转化为多模型多传感器系统的特殊情形。基于通用的线性最小方差最优加权融合估计算法,分别获得了分布式最优加权融合Kalman状态滤波器和系统偏差滤波器。当系统含有未知噪声统计信息时,基于相关函数给出了分布式噪声统计辨识算法,进而给出了具有两段融合结构的自校正信息融合Kalman状态滤波器和系统偏差滤波器。对带未知输入的离散线性随机系统,在没有未知输入的任何先验信息的条件下,给出了不依赖于未知输入的线性无偏最小方差状态滤波器。当系统带有多个传感器时,推导了任两个局部估计误差之间的互协方差阵的计算公式,基于线性最小方差最优加权融合算法,对系统或/和传感器带未知输入的离散线性系统,分别给出了分布式最优加权信息融合状态滤波器。对传感器不带偏差、带随机偏差或不知任何先验信息的未知输入的多传感器系统,推得了任两个传感器之间的局部估计误差互协方差阵,进而给出了线性最小方差融合状态滤波器。将故障检测技术应用于多传感器系统,提出了带故障检测的分布式信息融合估计算法,并给出了相应的分布式融合结构。

关键词：未知输入随机偏差分布式融合估计自校正融合估计互协方差阵

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

时滞系统的分布式融合滤波

时滞系统的分布式融合滤波

作者：吕楠黑龙江大学

学位级别：硕士

由于元器件的老化、灵敏度不够以及信息传递的延迟等原因使得系统普遍存在着滞后现象。时滞系统的状态估计问题广泛应用于信号处理、控制和网络系统中。时滞系统状态估计的研究对于人们对时滞系统进行有效地控制具有重要意义。本文研究... 详细信息

由于元器件的老化、灵敏度不够以及信息传递的延迟等原因使得系统普遍存在着滞后现象。时滞系统的状态估计问题广泛应用于信号处理、控制和网络系统中。时滞系统状态估计的研究对于人们对时滞系统进行有效地控制具有重要意义。本文研究时滞系统分布式最优加权信息融合估计问题,包括观测带时滞、状态带时滞以及状态和观测均带时滞的随机离散系统的分布式最优加权信息融合估计问题。基于现代时间序列分析方法,研究带相关噪声的多传感器观测滞后随机系统的分布式融合滤波问题。通过模型转换将观测滞后系统转化为无观测滞后的等价系统,给出了基于单传感器观测的输出预报器、白噪声估值器和状态滤波器。推导了任两个局部估计之间的不同步预报误差互协方差阵的计算公式。并基于分布式最优加权融合估计算法,对带多个传感器的观测滞后系统给出了分布式加权融合Wiener滤波器。基于Kalman滤波方法,对带相关噪声的多传感器多重时滞系统,给出了一种非增广的分布式加权融合最优估值器。推得了基于任两个传感器的局部估计之间的估计误差互协方差阵。对于状态观测均带多重时滞系统,通过两种方法得到分布式加权融合最优估值器。方法一是直接对带相关噪声系统应用射影理论进行设计。方法二是将带相关噪声的多重时滞系统转化为带不相关噪声的多重时滞系统,进而得到分布式加权融合最优估值器。避免了噪声相关所带来的理论推导上的复杂性。与基于单传感器的局部估计相比,分布式融合估计具有更高的精度。与增广的集中式最优滤波器相比,虽然精度有所降低,但它由于具有并行结构而有更好的可靠性,且避免了增广所带来的在融合中心的高维计算和大的空间存储。并且将非增广方法与增广方法以及分布式方法与集中式方法的计算量和性能做了比较。基于Kalman滤波方法,应用两种方法对带有色观测噪声的多重时滞系统,提出了非增广的分布式加权融合最优估值器。方法一将带有色观测噪声的多重时滞随机系统的滤波问题转化为带相关白噪声的多重时滞随机系统的预报问题。方法二将带有色观测噪声的多重时滞随机系统转化为带不相关白噪声的多重时滞随机系统,所得带不相关白噪声的时滞随机系统的滤波器即为原系统的滤波器。并分析比较了两种方法的优缺点。最后,给出了带AR(autoregressive)有色观测噪声的多重时滞随机系统信息融合Kalman滤波器。

关键词：多重时滞系统信息融合分布式融合估值器互协方差阵 Kalman滤波器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

有限丢包系统的分布式信息融合估计

有限丢包系统的分布式信息融合估计

作者：陈海霞黑龙江大学

学位级别：硕士

随着多传感器信息融合技术在军事、民用和矿井综合监测上的广泛应用,已经引起了许多国内外学者的研究.然而目前大量的研究工作主要集中在具有无限多丢包的单传感器控制系统上,而对具有有限连续丢包的线性离散随机系统的最优估计问题研... 详细信息

随着多传感器信息融合技术在军事、民用和矿井综合监测上的广泛应用,已经引起了许多国内外学者的研究.然而目前大量的研究工作主要集中在具有无限多丢包的单传感器控制系统上,而对具有有限连续丢包的线性离散随机系统的最优估计问题研究甚少.但在实际中经常会遇到观测数据和／或已知确定的控制输入数据都具有有限连续丢包的系统.例如在网络控制系统(NCSs)、生产过程制造、通讯、信号处理等领域.由于数据的传输是通过通信渠道进行的,例如从传感器到估值器和／或从控制器到执行器的传输等.传输通道的多变性、通信的不可靠性以及元器件的老化、灵敏度不够等原因可能会导致数据包的丢失,从而导致系统不稳定和系统性能的下降.因此研究具有有限连续丢包多传感器系统的分布式最优融合估计算法具有更重要的理论意义和应用价值.本文研究的是具有有限连续丢包的线性离散随机系统,它是通过两个满足Bernoulli分布的随机变量来描述的系统,并针对观测数据和／或已知确定的外部输入数据都具有有限连续丢包的多传感器系统,开展分布式信息融合估计算法的研究.主要研究的内容如下：对从传感器到估值器和从控制器到执行器都存在有限连续数据丢失的网络控制系统,即对具有双边丢包的系统基于射影定理,通过引入两组新的变量利用状态增广的方法将系统转化为一个带有随机参数的系统.针对新的增广系统,给出了系统的线性最小方差Kalman估值器和稳态估值器以及稳态估值器存在的一个充分条件.对具有双边丢包的多传感器网络控制系统,推导了任意两个传感器子系统之间的估计误差互协方差阵.最后,依据分布式加权信息融合估计算法,给出了分布式加权信息融合Kalman估值器.大量的仿真例子证明了上述理论的正确性和有效性.

关键词：有限连续丢包信息融合分布式融合估值器互协方差阵 Kalman估值器射影定理网络控制系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

带有时滞和丢包系统的信息融合估计

带有时滞和丢包系统的信息融合估计

作者：赵婵园黑龙江大学

学位级别：硕士

由于传输通道的多变性和不可靠性,时滞和丢包普遍存在于各种实际系统中,导致系统的控制指令得不到有效执行,控制输入和控制器得不到及时更新,不仅影响着系统的性能,严重时可能会使系统失去稳定性,同时也给控制器的设计带来很大麻烦.所... 详细信息

由于传输通道的多变性和不可靠性,时滞和丢包普遍存在于各种实际系统中,导致系统的控制指令得不到有效执行,控制输入和控制器得不到及时更新,不仅影响着系统的性能,严重时可能会使系统失去稳定性,同时也给控制器的设计带来很大麻烦.所以对带有时滞和丢包系统的研究,是网络控制系统中需要迫切解决的重大问题.本论文主要研究带有时滞和丢包系统的信息融合估计,主要研究内容如下：首先研究了观测方程带有随机时滞和多步丢包的线性离散随机系统,基于射影定理,应用状态增广方法,将系统转化为增广的不带滞后的系统,针对新的系统给出了基于单传感器的线性最小方差最优Kalman估值器.进一步,给出了稳态滤波器存在的一个充分条件,并进行了稳定性分析.对于多传感器系统,推导出了任意两个子系统之间的估计误差互协方差阵计算公式,进而基于分布式线性最小方差加权信息融合估计算法,给出分布式最优加权信息融合Kalman估值器的算法.其次基于射影理论,利用状态增广方法,对于控制输入和观测分别带随机时滞和多步丢包的线性离散随机单传感器系统,给出了线性无偏最小方差最优Kalman估值器.进一步,推导出多传感器系统中任意两个子系统之间的估计误差互协方差阵计算公式,并给出多传感器的分布式线性最小方差最优加权信息融合Kalman估值器的算法.再次研究了状态方程带有限步时滞,观测方程带有多步丢包的线性离散随机系统,基于射影理论,通过状态增广方法给出了单传感器的线性最小方差最优Kalman估值器,并推导出多传感器系统中任意两个子系统之间的估计误差互协方差阵.进一步基于分布式线性最小方差加权信息融合估计算法,给出了分布式线性最小方差最优加权信息融合Kalman估值器的算法.另外,通过仿真,研究了状态方程带有限步时滞、观测方程带有随机时滞和多步丢包的线性离散随机系统以及状态方程带有限步时滞、控制输入和观测分别带随机时滞和多步丢包的线性离散随机系统的信息融合估计问题.最后研究了状态方程带有限步时滞,观测方程带有多步随机滞后系统的信息融合估计问题.在射影理论的基础上给出了局部最优估值器,进一步给出了多传感器中任意两个传感器子系统之间的估计误差互协方差阵计算公式,最后基于线性最小方差最优加权融合算法,给出了多传感器的分布式线性最小方差最优加权信息融合估值器.大量的仿真证明了本文算法的有效性.

关键词：随机滞后丢包 Kalman滤波器信息融合互协方差阵

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

具有不确定干扰广义系统的信息融合估计

具有不确定干扰广义系统的信息融合估计

作者：屈冬梅黑龙江大学

学位级别：硕士

带有不确定干扰广义系统普遍存在于无线传感器网络,机器人和经济管理等实际系统中,而具有不确定干扰广义系统的状态估计问题常出现在控制、通信、信号处理和故障诊断与分离中.随着科学技术的日新月异,尤其是计算机技术的快速发展和多种... 详细信息

带有不确定干扰广义系统普遍存在于无线传感器网络,机器人和经济管理等实际系统中,而具有不确定干扰广义系统的状态估计问题常出现在控制、通信、信号处理和故障诊断与分离中.随着科学技术的日新月异,尤其是计算机技术的快速发展和多种复杂传感器的普遍使用,使得研究信息融合技术更具重要意义和实际价值.本文主要研究具有不确定干扰广义系统的信息融合估计算法,包括系统含有加性不确定干扰和观测含有乘性不确定干扰两种情况下的信息融合估值器设计问题.对带加性不确定干扰和相关噪声的定常广义离散随机线性系统,在没有不确定干扰的任何先验信息的条件下,首先,通过典范型分解将原广义系统变换为不同形式的等价降阶子系统形式;其次,应用线性无偏最小方差准则,分别设计了不同典范型下的降阶状态滤波器,且不依赖于不确定干扰.最后,针对多传感器系统,推导了任两个传感器之间的滤波误差互协方差阵的计算公式,以及两个降阶子系统之间的滤波误差互协方差阵的计算公式,进而,基于线性最小方差最优加权融合算法给出原广义系统的状态融合滤波器.对具有乘性不确定观测的定常广义离散随机系统,其中观测的乘性不确定干扰是通过—个满足Bernoulli分布的随机变量来描述,在系统噪声和观测噪声相关的条件下,将广义系统进行受限等价变换,转换为等价的降阶子系统形式,基于Kalman滤波理论及射影理论,给出了局部单传感器的状态估计滤波器、预报器及平滑器.当系统带有多传感器时,推导了任意两个传感器之间的估计误差互协方差阵的计算公式,以及两个降阶状态之间的滤波、预报及平滑误差互协方差阵.最后,依据线性最小方差意义下的最优加权融合估计算法,给出了传感器带有乘性不确定干扰广义系统的分布式最优融合滤波器,预报器和平滑器.

关键词：不确定干扰广义系统降阶变换分布式融合估计互协方差阵

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

不确定观测系统的分布式状态估计

不确定观测系统的分布式状态估计

作者：张腾黑龙江大学

学位级别：硕士

不确定观测系统普遍存在于许多实际应用中,例如在网络控制系统和无线传感器网络中,由于环境的影响和通信网络的不可靠性,可能会导致观测数据丢失。这样体现在观测方程中就会存在观测不确定性。本论文主要研究观测数据丢失现象可通过一个... 详细信息

不确定观测系统普遍存在于许多实际应用中,例如在网络控制系统和无线传感器网络中,由于环境的影响和通信网络的不可靠性,可能会导致观测数据丢失。这样体现在观测方程中就会存在观测不确定性。本论文主要研究观测数据丢失现象可通过一个Bernoulli分布的随机变量来描述的系统。将对具有不确定观测的多传感器离散随机线性系统,开展分布式信息融合估计算法的研究。主要研究内容包括分布式信息融合白噪声估值器、状态估值器及传感器观测带未知干扰的状态估值器。基于新息分析方法,对带相关噪声的不确定观测离散随机线性系统,提出了基于单传感器系统的白噪声线性最小方差最优白噪声估值器,包括输入白噪声估值器和观测白噪声估值器。同时,在系统稳定的条件下给出了稳态白噪声估值器。并进一步基于稳态Kalman估值器给出了统一的渐近稳定的Wiener白噪声估值器。最后,对多传感器不确定随机系统,基于分布式线性最小方差加权信息融合估计算法,给出了分布式加权融合输入白噪声估值器,并推导了任两个传感器子系统之间的估计误差互协方差阵的计算公式。为了与集中式融合估计进行精度和计算量的比较,我们也给出了集中式融合估计算法。基于新息分析方法,对带相关噪声的不确定观测离散随机线性系统,基于单传感器系统提出了线性最小方差最优和稳态状态估值器。同时,基于稳态Kalman滤波器给出了统一的渐近稳定的Wiener状态估值器。另外,对同时刻及相邻时刻噪声相关的不确定观测随机系统,提出了基于单传感器的状态估值器。进而对多传感器系统推得了任两个传感器子系统之间的估计误差互协方差阵。然后应用分布式加权信息融合算法,获得了分布式加权融合状态估值器,并将分布式融合与集中式融合进行了精度比较。对传感器带未知干扰输入的不确定观测随机系统,首先,基于单传感器提出了不依赖于未知干扰输入的线性无偏最小方差状态滤波器,包括先验滤波器和后验滤波器。进而,对多传感器系统推得了任两个传感器子系统之间的滤波误差互协方差阵。最后,基于分布式加权融合估计算法,给出了多传感器分布式加权融合状态滤波器,并将分布式融合估计与增广的集中式融合估计进行了比较研究。

关键词：不确定观测系统分布式估计信息融合未知干扰输入互协方差阵