2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩165頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論