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新興邊緣學(xué)科，近年來已經(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定位和機器人等領(lǐng)域。信息融合估計理論是多傳感器信息融合這一新興邊緣學(xué)科的一個重要分支，它是多傳感器數(shù)據(jù)融合與Kalman濾波理論的交叉領(lǐng)域。
　　 本文對于多傳感器線性離散隨機系統(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)計部分/全部未知時，應(yīng)用多段信息融合辨識方法，得到系統(tǒng)模型參數(shù)和噪聲統(tǒng)計的局部和融合估值。本文在融合方法上，應(yīng)用了三類分布式融合算法: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)觀測融合濾波算法。
　　 (2)本文針對兩類系統(tǒng)，一類是模型參數(shù)和噪聲統(tǒng)計部分未知的多傳感器系統(tǒng)，另一類是模型參數(shù)和噪聲統(tǒng)計全部未知的多傳感器系統(tǒng)。應(yīng)用系統(tǒng)辨識方

3、法和相關(guān)方法，得到模型參數(shù)和噪聲統(tǒng)計的融合估值，將這些融合估值代入到三類分布式融合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)觀測融合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)對于系統(tǒng)模型參數(shù)和噪聲統(tǒng)計全部未知的多傳感器系統(tǒng)，當(dāng)過程噪聲和觀測噪聲不相關(guān)或相關(guān)時，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。通過動態(tài)方差誤差系統(tǒng)分析方法，自校正Ricatti方程的收斂性問題就可以轉(zhuǎn)化為時變Lyapunov方程的穩(wěn)定性問題。在證明自校正Riccati方程收斂性的基礎(chǔ)上，利用動態(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濾波器按一個實現(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