最優(yōu)和自校正多傳感器信息融合白噪聲反卷積估值器.pdf

1、隨著信息時代的到來，多傳感器信息融合因其能有效地提高和優(yōu)化基于單傳感器的估計、識別或決策(控制)性能而得到了日趨廣泛的重視和應用，其應用領域遍及軍事和民用領域的方方面面。作為其中的一個分支，最優(yōu)和自校正信息融合濾波理論分別是針對模型參數和/或噪聲統計已知和未知兩種情況下的多傳感器系統的狀態(tài)或信號的融合估計問題研究。系統的輸入白噪聲信號估計問題即白噪聲反卷積估計問題在石油地震勘探和通信系統有重要應用背景。
　　 本文應用Kalma

2、n濾波方法和現代時間序列分析方法兩種方法論，基于多傳感器加權狀態(tài)融合和加權觀測融合兩種融合方法，結合系統辨識方法，分別進行最優(yōu)和自校正多傳感器信息融合白噪聲反卷積估值器的研究。主要工作包括以下四個方面：
　　 首先，應用Kalman濾波方法，基于Riccati方程，對帶不同局部模型和帶相關噪聲多傳感器系統給出統一的加權融合最優(yōu)和穩(wěn)態(tài)最優(yōu)白噪聲反卷積估值器。為了計算最優(yōu)加權，給出了計算局部估計誤差互協方差的兩種公式。
　　

3、 其次，應用現代時間序列分析方法，基于ARMA新息模型，對帶不同局部模型和帶相關噪聲多傳感器系統給出統一的穩(wěn)態(tài)最優(yōu)白噪聲估值器。對帶相同或不同局部動態(tài)模型的多傳感器時滯系統，提出了的最優(yōu)加權狀態(tài)融合白噪聲反卷積估值器。為了計算最優(yōu)加權，分別給出了計算局部估計誤差互協方差的公式。
　　 再次，應用Kalman濾波方法，基于Riccati方程，對于帶相同觀測陣和相關觀測噪聲或帶不同觀測陣和相關觀測噪聲或帶相同觀測陣和相關噪聲的多傳感

4、器時變系統，分別提出了最優(yōu)加權觀測融合白噪聲反卷積估值器，并證明其與相應的集中式融合白噪聲反卷積估值器的完全功能等價性和全局最優(yōu)性。同時作為特殊情況又給出了相應的定常系統穩(wěn)態(tài)最優(yōu)加權觀測融合白噪聲反卷積估值器。
　　 最后，應用Kalman濾波方法，基于Riccati方程，對帶未知噪聲統計的多傳感器定常系統，應用基于相關函數方法的信息融合噪聲統計的估值器，提出了自校正加權觀測融合白噪聲反卷積估值器。對帶未知模型參數和帶未知噪聲統

5、計的多傳感器單通道AR和ARMA系統，應用相關函數方法、遞推輔助變量算法和Gevers-Wounters算法給出了模型參數和噪聲統計估值器，進而提出了自校正加權觀測融合白噪聲反卷積估值器。并基于動態(tài)誤差系統分析方法證明了其收斂于相應的穩(wěn)態(tài)加權觀測融合白噪聲反卷積估值器，即它們具有漸近全局最優(yōu)性。
　　 以上結論均通過仿真例子給出驗證，證明了理論的有效性。
　　 上述結果在多傳感器信息融合濾波、石油地震勘探、信號處理和狀態(tài)