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(shí)理論是將新息的修正技術(shù)從單新息擴(kuò)展到了新息向量，從而改善參數(shù)估計(jì)精度的有用信息。當(dāng)系統(tǒng)輸入不可信數(shù)據(jù)時(shí)，該算法能跳過(guò)壞數(shù)據(jù)，避開(kāi)壞數(shù)據(jù)和損失數(shù)據(jù)對(duì)系統(tǒng)參數(shù)估計(jì)的影響，得到更精確的參數(shù)估計(jì)。為了進(jìn)一步增強(qiáng)系統(tǒng)的容錯(cuò)性和準(zhǔn)確性，我們將多新息辨識(shí)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(lái)自多個(gè)傳感器的信息進(jìn)行合成，形成一種對(duì)被測(cè)對(duì)象某一特征的表達(dá)式。信息經(jīng)過(guò)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(jì)。
　　本文應(yīng)用多新息辨識(shí)理論和多傳感器信息融合技術(shù)，對(duì)未知參數(shù)系統(tǒng)的研究主要包括以下幾方面:
　　首先，對(duì)帶有未知參數(shù)的狀態(tài)空間模型，給出了估計(jì)未知參數(shù)的多新息最小二乘方法和多新息隨機(jī)梯度方法等。運(yùn)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(jì)問(wèn)題轉(zhuǎn)化為信號(hào)的估計(jì)問(wèn)題，并利用多新息的辨識(shí)方法，得到系統(tǒng)的參數(shù)估值。
　　其次，對(duì)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(yùn)

3、用多新息辨識(shí)理論，得到系統(tǒng)的未知模型參數(shù)估值，再將估出來(lái)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(duì)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(yùn)用多新息辨識(shí)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(guò)Matlab仿真，驗(yàn)證了估