基于联邦滤波器结构的分散化H∞鲁棒滤波算法研究

深入研究了基于联邦滤波器结构的分散化H∞鲁棒滤波算法;通过研究H∞滤波器的结构和鲁棒 机制,提出一套H∞鲁棒信息滤波公式．在此基础上,建立了一套形式简单、可行性强的联邦H∞鲁棒滤波算 法．与传统联邦卡尔曼滤波算法相比,该算法仅增加一个鲁棒化环节,实际上是一种Krein 空间的联邦卡尔曼 滤波算法．最后,全面分析了该算法四种结构及其性能,仿真结果表明了其具有有效性和可行性．     

分布式系统中H∞滤波的最优融合

分布式多传感器系统的一个关键问题是如何在融合中心将各分站的局部估计进行最优融合。分布式Kalman滤波因其具有分布式估计的诸多优点,并能达到中心式估计的最优性能而受到广泛关注。针对分布式不确定动态系统的H＊滤波给出了最优融合公式,并证明其同样能够达到中心式的融合性能,通过仿真实例验证了该最优融合的有效性。     

通信受限下网络化多传感器系统序贯卡尔曼滤波加权融合

针对通信受限下网络化多传感器系统难以实时滤波的问题,提出实时序贯滤波融合方法和故障诊断方法.首先基于周期性分组传输通信策略,采用序贯卡尔曼滤波方法,对当前时刻访问融合中心的传感器组进行局部滤波,并导出剩余传感器组的最优局部估计,进而得到线性最小方差意义下的最优融合估计.利用残差加权平方和方法对发生故障的传感器进行定位,仿真结果验证了所提出算法的有效性.     

具有域极点配置的混合H2/H∞滤波

解决了具有域极点配置的连续时不变系统的混合H2/H∞滤波问题.通过采用线性矩阵不等式(LMI)方法描述域稳定性限制、H2和H∞优化,以建立求解这个问题的总框架.这个问题的可解性的充分必要条件由一组LMI给出.最后用一个数字例子来说明所给出的设计方法.     

带滤波的无线传感器网络的H∞控制

本文研究了基于滤波的无线传感器网络的H∞控制问题.首先建立了无线传感器网络的模型,然后使用稳态Kalman滤波器对多个传感器节点的输出信号进行滤波,将滤波后的信号作为无线传感器网络系统的反馈输出,并通过建模和分析得到带干扰的线性离散切换系统模型.最后设计了切换控制器,并基于Lyapunov函数给出了在任意切换条件下使该切换系统满足H∞控制的条件.仿真结果验证了该方法和结果的可行性.     

基于序贯检测的无线传感器网络决策融合算法

数据融合是能源有限的无线传感器网络应用中必不可少的信息处理手段.目前的数据融合方法多着眼于固定参与节点数目下的数据融合,由于融合时数据传输量与参与节点数目呈正比,所以,最佳的节能策略应是满足一定性能条件下参与节点数目可变.将序贯检测理论应用于无线传感器网络数据融合问题上,并建立其数学模型.考虑无线信道的衰减和物理层调制解调特性,进一步提出基于序贯检测的无线传感器网络数据融合判决(WDASD)方法,并通过仿真实验验证了WDASD算法的性能.     

基于有限频段的Markov跳变系统有限时间H∞滤波

传统Markov跳变系统H∞滤波方法要求所有子系统对全频域的噪声具有同样的干扰抑制水平,由于没有充分利用噪声的频率信息,导致传统滤波方法可能含有较大的保守性.本文针对特定频段的干扰信号,提出基于有限短时间的H∞滤波器设计方法.在引入有限频段的同时,结合有限短时间稳定理论,提出有限频段以及有限时间两尺度滤波方案,为降低滤波理论的工程保守性提供了思路.仿真结果表明本文所提滤波方法与现有滤波方法相比,具有一定的优越性.     

基于传感器丢包率不确定性预测的分布式H∞滤波算法

针对无线传感器网络（ WSNs）在测量数据丢包不确定性情况下的分布式H∞滤波问题,提出一种基于传感器丢包率不确定性预测的分布式H∞滤波算法。通过设计一种线性全阶滤波器,使得滤波误差能够收敛在均方渐近为零,同时抑制外界的干扰造成的H∞滤波衰减。根据滤波参数符合伯努利分布随机分布的原理,利用Lyapunov函数的方法,通过寻找最佳的滤波参数来保证在丢包率不确定的情况下对真值预测的随机稳定性。实验仿真结果表明：当观测数据存在不确定性丢包时,该滤波算法能发挥有效的滤波效果。     

离散系统多步观测时滞的H∞输出反馈控制

针对一类多观测时滞离散系统,本文提出了基于Krein空间理论解决H∞输出反馈问题的新方法．利用H∞输出反馈控制问题与不定二次型之间的关系,时滞系统的H∞控制问题分解为LQ问题和时滞的H∞估计问题．通过重组观测,时滞的H∞估计问题可转化为无时滞的H∞估计问题,从而给出由两个Riccati方程决定的H∞控制器存在的充要条件．本文的方法不需要增广系统．     

基于迭代无迹H∞滤波的移动机器人SLAM

为缓解移动机器人同步定位与构图(Simultaneous Localization and Mapping,SLAM)在恶劣噪声干扰下存在估计精度低、不一致及鲁棒性差的问题,提出一种新颖的基于迭代无迹H∞滤波的SLAM算法。所提算法将无迹变换融入到扩展H∞滤波中,以此估计系统状态均值和协方差,无需推导Jacobian矩阵,避免了线性化误差积累,增强了算法的数值稳定性;此外,通过迭代更新方式,利用观测信息不断校正系统状态均值和协方差,进一步减小估计误差。在仿真实验中,在不同环境和不同噪声下对比分析所提算法、EKF-SLAM、UKF-SLAM及CEHF-SLAM。结果表明所提算法在不同恶劣噪声干扰下依然能保持高的估计精度和强鲁棒性,并能适应不同的环境,是一种有效且可行的SLAM算法。     

基于LMI的Delta域内的H∞滤波器问题

用LMI方法来研究Delta算子描述下的线性定常系统的H∞滤波器问题，基于一个LMI给出了Delta域内的H∞观测器型状态估计器，充分显示了在Delta域内用LMI方法设计的优越性；比较好地给出了随机滤波问题的解决办法，并用一个例子说明了本方法的有效性。     

序贯处理的多传感器航迹融合算法研究

基于分布式的多传感器航迹融合系统,采用序贯处理的方法并结合矩阵加权的融合算法,在估计误差协方差阵迹最小的准则下,提出了估计误差相关条件下的航迹融合算法,从理论上对算法的航迹融合性能进行了分析,并进行了仿真。仿真结果表明了基于序贯处理的融合算法的可行性和有效性。     

具有谱约束的随机系统的H∞滤波

研究具有谱约束的随机线性系统H∞滤波,假设系统方程由伊藤随机微分方程描述,可通过重新定义随机系统谱算子,找到随机系统既满足α-域稳定,又满足H∞性能指标的充分条件.通过解一组线性矩阵不等式,可设计随机系统α-域稳定的H∞滤波器.     

基于多尺度贯序式卡尔曼滤波的运动声阵列跟踪算法

为了研究运动声阵列对二维目标在复杂环境中的实时跟踪性问题,根据运动声阵列及二维目标的运动特点建立了状态方程与测量方程,并将其描述为块的形式.根据不同的状态块,利用小波变换把状态块分解到不同尺度上,分别在时域和频域上建立相应尺度上的状态与观测信息之间的关系;采取卡尔曼滤波器递推思想来实现运动声阵列的多尺度贯序式卡尔曼滤波算法,根据最小二乘误差估计理论推导了运动声阵列跟踪系统在球坐标系和直角坐标系下的误差,为提高系统跟踪精度奠定了理论基础,并为工程应用提供了实际方法.与传统的卡尔曼滤波算法相比,Matlab仿真结果表明了本文算法的有效性和优越性.     

基于序贯无迹卡尔曼滤波的雷达目标跟踪方法

提出一种基于序贯无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统,传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和方差的估计。为了提高无迹卡尔曼滤波的精度,用序贯无迹卡尔曼滤波方法依次处理方位角、俯仰角和距离,来进行雷达目标跟踪。通过Monte Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度和更高的计算效率。     

随机不确定系统的鲁棒H∞滤波

研究在同时具有参数和随机不确定的情况下的鲁棒H∞估计问题.假设系统的方程由Ito随机微分方程描述,不确定的参数是范数有界的,外部干扰是随机不确定的.通过解一个线性矩阵不等式,可以设计鲁棒H∞滤波器,最后给出的一个例子对理论分析进行了阐述.     

多传感器跟踪系统自适应Kalman滤波融合

多传感器目标跟踪的一个实际问题是如何获得目标的过程噪声信息,以获得较好的跟踪性能。针对多传感器分布式估计融合系统,利用这种自适应技术给出了一种自适应Kalman滤波的融合方法,它具有与中心式相近的跟踪性能。计算机模拟结果表明：这种方法具有较优良的性能。     

基于带输入估计变维滤波的多传感器信息融合

带输入估计变维滤波利用最小二乘法对系统未知输入进行估计,同时对机动运行开始时刻给出估计,从而有效地克服了输入估计算法和变维滤波各自在系统模型单一和机动运行开始时刻估计不精确方面的缺陷。考虑到多传感器信息融合系统可给出比单传感器更为精确的结果,基于带输入估计变维滤波,将系统状态融合和确定性输入融合相结合,提出了一种多传感器带输入估计变维滤波融合算法。系统仿真结果表明,该算法可以有效地提高估计精度,适用于机动目标跟踪。     

离散系统方差约束鲁棒H2/H∞滤波的新算法

考虑带有稳态误差方差约束的线性受扰系统的鲁棒H2/H∞滤波问题.引入了广义逆矩阵,提出了一个新的算法.通过直接解两个Riccati方程后,获得滤波器,并且同时满足3个性能要求:滤波过程是渐近稳定的;每个状态的稳态估计误差方差不超过规定的上界;从外部噪声输入到误差状态输出的传递函数的H∞范数满足规定的上界.一个数字例子说明了这种设计方法的有效性.     

随机不确定系统的鲁棒H∞滤波:LMI方法

本文研究随机不确定系统鲁棒H∞滤波问题.假设不确定参数矩阵是时变,范数有界的,外部干扰是一个随机过程.借助于线性矩阵不等式,可以设计鲁棒H∞滤波器,最后给出了一个例子对理论分析进行阐述.