面向跟踪系统的多传感器信息融合鲁棒保性能协方差交叉Kalman估计方法

对带不确定方差线性相关白噪声的多传感器系统,根据极大极小鲁棒估计原理,用Lyapunov方程方法,基于不确定噪声方差扰动的参数化表示法提出两类鲁棒保性能协方差交叉（CI）融合Kalman估值器（预报器、滤波器和平滑器）,给出其精度偏差的最大下界和最小上界.证明了保性能CI融合器的鲁棒精度高于原始CI融合器的鲁棒精度,且高于每个局部估值器的鲁棒精度,并用协方差椭圆给出精度关系的了几何解释.一个跟踪系统的仿真例子验证了所提方法的正确性和有效性.     

协方差交叉融合Kalman预报器

对于带未知局部预报误差互协方差的两传感器跟踪系统,通过协方差交叉融合方法,得到了协方差交叉融合稳态Kalman预报器,并用协方差椭圆的方法给出了其精度关系的几何解释。用相关方法证明了协方差交叉融合稳态Kalman预报器的精度高于每个局部稳态最优Kalman预报器,低于按矩阵加权融合稳态最优Kalman预报器。用一个Monte-Carlo仿真例子说明了协方差交叉融合稳态Kalman预报器的精度接近于稳态最优融合Kalman预报器。     

参数不确定系统鲁棒H∞保代价滤波器设计新方法

提出参数不确定线性系统的鲁棒H(状态估计的新方法,并采用一种新的基于线性矩阵不等式(LMI)的设计方法得到问题的解.数值例子计算表明,该滤波器具有良好性能.     

基于LMI方法的参数不确定多传感器系统的集中式融合估计

研究了范数有界不确定描述模型和多胞形不确定描述模型所代表的一类参数不确定多传感器系统的集中融合估计问题。应用H∞理论详细地比较了基于不同模型的两种融合方法时域和频域功能，给出了集中鲁棒融合估计的理论结果。并应用MATLAB的LMI工具箱，分析了仿真计算结果。     

自校正分布式观测融合Kalman滤波器

对于带未知噪声统计和带具有相同右因子的观测阵的多传感器系统,应用加权最小二乘(WLS)法可得到一个等价的融合观测方程。该文应用现代时间序列分析方法,基于新息模型参数的在线辨识,可估计未知噪声方差,进而提出了自校正加权观测融合Kalman滤波器。在新息模型参数估计是一致的和观测数据是有界的假设下,该文证明了自校正Kalman滤波器收敛于当噪声统计已知时的全局最优融合Kalman滤波器,因而它具有渐近全局最优性。最后给出了一个4传感器跟踪系统的仿真例子并验证了其有效性。     

加权融合鲁棒增量Kalman滤波器

在一定环境条件下,当系统的量测方程没有进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而导致较大的滤波误差。同样地,当系统的噪声方差不确定时,滤波的性能也将会变坏,甚至会引起滤波器发散。增量方程的引入可以有效消除系统的未知量测误差,从而带未知量测误差的欠观测系统的状态估计问题可以转换为增量系统的状态估计问题。该文考虑带未知量测误差和未知噪声方差的线性离散系统,首先提出一种基于增量方程的鲁棒增量Kalman滤波器。进而,基于线性最小方差最优融合准则,提出一种加权融合鲁棒增量Kalman滤波算法。仿真实例证明了所提算法的有效性和可行性。     

一类时变输入时滞不确定系统的鲁棒控制器设计

针对一类具有时变输入时滞的不确定系统,基于Lyapunov-Krasovskii方法,讨论了该类系统鲁棒控制器的设计问题.在不确定性满足范数有界条件下,给出了时滞相关的鲁棒可镇定充分条件及相应的鲁棒控制器设计方法,利用辅助变量和广义状态证明了闭环系统的渐近稳定性.最后,进行了数值仿真,结果证明了该方法的有效性和优越性.     

不确定系统的鲁棒容错H∞控制

针对不确定线性连续系统,研究了执行器失效情况下的鲁棒容错H∞控制问题.利用LMI,给出了不确定线性系统对任意执行器故障均保持渐近稳定且满足给定干扰衰减指标的鲁棒容错H∞控制器存在的充要条件,讨论了参数不确定线性系统的鲁棒容错H∞控制器的设计问题.根据凸优化理论,进一步给出了鲁棒容错最优H∞控制器的线性凸优化设计算法和设计步骤.采用所设计的状态反馈控制器,当任意执行器出现故障时,闭环系统仍保持渐近稳定且满足给定的干扰衰减性能指标.数值仿真例子验证了该设计方法的可行性和有效性.     

具有量化和时延的不确定系统的鲁棒预测控制

针对通信受限导致数据传输过程中发生的时延和量化问题,文中对一类具有时延和量化的网络不确定系统进行了稳定性分析和鲁棒预测控制器设计.采用对数量化器和扇形有界方法将系统的量化问题转化为系统的鲁棒问题,运用成熟的时延系统分析方法,建立系统模型以及预测模型,结合Lyapunov稳定性理论和线性矩阵不等式(LMI)方法给出系统鲁...     

带相关噪声的观测融合稳态Kalman滤波算法及其全局最优性

对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(WLS)法提出了一种加权观测融合稳态Kalman滤波算法,可处理状态、白噪声和信号融合滤波、平滑、预报问题。基于稳态信息滤波器证明了它完全功能等价于集中式观测融合稳态Kalman滤波算法,因而它具有渐近全局最优性,且可减少计算负担。一个跟踪系统仿真例子验证了它的功能等价性。     

基于协方差加权的卡尔曼滤波融合跟踪算法

针对卡尔曼滤波融合跟踪对系统模型准确度和先验信息精度要求较高的问题,提出一种基于协方差加权的卡尔曼滤波融合方法,利用最小二乘准则作为误差加权的标准,使误差小的传感器加权因子大。基于此,再利用卡尔曼滤波融合,充分保留有用信息,抑制噪声干扰。在目标跟踪应用中,即使噪声统计信息未知且噪声互相关,利用该方法仍能够获得最小均方误差准则下的最优目标状态跟踪估计。     

联合卡尔曼滤波器在数据融合中的应用

介绍多传感器数据融合中联合卡尔曼滤波器的设计步骤，并将此方法用于舰船组合导航系统，计算机仿真和理论分析表明，该滤波器可以做到全局最优，其结构遵循信息分配原则，提高了系统的数值稳定性和容错性，减小了数据传输的工作量与计算量，便于计算机实现，能够满足组合导航系统需要。     

多传感器分布式融合Kalman预报器

应用现代时间序列分析方法,基于ARMA新息模型,在线性最小方差最优信息融合准则下,对于输入噪声与观测噪声相关且观测噪声相关的多传感器系统,分别提出了按矩阵加权、按标量加权和按对角阵加权的3种分布式融合稳态Kalman 预报器。其中提出了基于Lyapunov方程的局部预报估值误差方差阵和协方差阵计算公式。它们被用于计算最优加权,与单传感器情形相比,可提高估值器的精度。一个跟踪系统的仿真例子说明了其有效性,且说明了3种加权融合预报器的精度无显著差别。但标量加权融合预报器可显著减小计算负担,提供一种快速实时信息融合估计算法。     

基于鲁棒卡尔曼滤波的盲自适应多用户检测算法

提出一种新的基于虚拟噪声补偿技术的鲁棒卡尔曼滤波估计异步CDMA系统多用户接收器的最优判决向量的方法,构造出一种收敛速度快、跟踪性能好、数值稳定性好的高性能盲自适应多用户检测算法。仿真实验表明, 该文提出的方法具有很强的抗多址干扰能力和较高的数值鲁棒性。     

室内Wi-Fi/PDR自适应鲁棒卡尔曼滤波融合定位方法

针对室内复杂环境下信道状态信息的动态性问题,本文提出了一种面向室内Wi-Fi/行人航迹推算（Pedestrian Dead Reckoning,PDR）融合定位的自适应鲁棒卡尔曼滤波方法.该方法利用自适应鲁棒卡尔曼滤波将Wi-Fi传播模型与PDR定位信息进行多重融合,推算用户的最优估计位置.同时,基于滤波反馈机制,通过融合定位结果对加权最小二乘法中的路径损耗指数和滤波模型中的观测协方差进行动态修正,保证Wi-Fi传播模型接近于真实室内环境.实验结果表明,该方法能够有效解决室内复杂环境下单一Wi-Fi定位精度低和PDR累积误差的问题,此外,路径损耗指数和观测协方差的实时修正可以提高融合定位系统的定位精度和稳定性.     

CO-OFDM系统中基于卡尔曼滤波对相位噪声补偿算法的研究

基于卡尔曼滤波提出了两种相干光正交频分复用(CO-OFDM)系统的相位噪声补偿算法,这两种算法在发射端的时域均插入导频,并在接收端对导频进行卡尔曼滤波,最后利用插值算法补全全部子载波的相位噪声.仿真结果表明,基于最小均方误差(MMSE)准则的判决反馈算法在相位噪声比率为10-1时,系统误码率约为10-4,并且出现了错误平层,而基于卡尔曼滤波所提出的两种相位噪声算法在大相位噪声的情况下仍然具有较好性能且能有效地降低错误平层,因而所提出的相位噪声补偿算法能改善CO-OFDM系统的性能.     

基于多传感器Kalman滤波器的GPS/IMU数据融合算法设计

针对GPSIIMU组合导航系统，现有的滤波算法难以检测传感器的错误数据并及时排除。文章设计了一种考虑滤波器环境信息的多传感器Kalman滤波器，该算法适于在不重构滤波器的情况下对多传感器进行整合。仿真结果表明该算法提高了数据融合的可靠性。