基于Riccati方程的自校正解耦融合Kalman滤波器

对于带未知噪声方差的多传感器系统,用相关方法给出了噪声方差的在线估值器,进而基于Riccati方程和按分量标量加权最优融合规则,提出了自校正分量解耦信息融合Kalman滤波器.用动态误差系统分析方法证明了自校正融合Kalman滤波器按实现收敛于最优融合Kalman滤波器,因而具有渐近最优性.一个3传感器跟踪系统的仿真例子说明了其有效性.     

带输入估计的自校正Kalman滤波器及其应用

对于带未知常的输入和带未知噪声统计的离散时间定常系统,本文用现代时间序列分析方法,基于ARMAX新息模型,提出了一种新的带输入估计的自校正Kalman滤波器。作为一个应用例子,提出了带输入估计的自校正α-β-γ跟踪滤波器,仿真结果说明了其有效性。     

自校正α—β—γ跟踪滤波器

对于含有未知模型参数和带未知噪声统计的一类跟踪系统,基于ARMA新息模型的在线辨识,本文提出了一种新颖的自校正α-β-γ跟踪滤波器,仿真结果说明了它的有效性。     

自校正α-β跟踪滤波器

本文用现代时间序列分析方法对雷达跟踪系统提出了一种新的自校正α-β跟踪滤波器, 它有如下优点:1)可处理带未知噪声统计和含未知模型参数的跟踪系统;2)基于ARMA新 息模型的在线辨识,可简单地计算α-β滤波器的参数;3)避免解稳态Riccati方程;4)具有渐 近最优(自校正)性.仿真例子说明了其有效性.     

带有色观测噪声系统最优和自校正状态估计器

带有色观测噪声系统最优和自校正状态估计器黑龙江大学应用数学研究所邓自立，马灵洁基于ＡＲＭＡ新息模型，通过计算白噪声估值器和输出预报器，提出一种带有色观测噪声系统的新的最优和自校正状态估计器，可统一处理滤波、平滑和预报问题，可处理未知的非平稳有色观测噪...     

双率系统极点配置自校正控制算法

针对控制输入频率是输出采样频率整数倍的双率系统,研究了极点配置自校正控制方法.由于双率采样数据系统存在未知的采样间输出(即损失输出),所以传统输入输出等周期单率系统极点配置自校正控制方法不适用于双率系统.为了解决这一困难,本文直接利用双率输入输出数据估算系统模型参数和采样间输出,进一步把估计的模型参数代入极点配置方程,通过求解多项式Diophantine方程.推导了被控系统控制律,给出了双率极点配置自校正控制算法.一个仿真例子说明双率系统极点配置算法的控制效果.     

广义系统信息融合稳态与自校正满阶Kalman滤波器

基于线性最小方差标量加权融合算法和射影理论,对带多个传感器和带相关噪声的广义系统,提出了分布式标量加权融合稳态满阶Kalman滤波器.推得了任两个传感器子系统之间的稳态满阶滤波误差互协方差阵,其解可任选初值离线迭代计算.所提出的稳态融合滤波器避免了每时刻计算协方差阵和融合权重,减小了在线计算负担.当系统含有未知模型参数时,基于递推增广最小二乘算法和标量加权融合算法,提出了一种两段融合自校正状态滤波器.其中第1段融合获得未知参数的融合估计;第2段融合获得分布式自校正融合状态滤波器.与局部估计和加权平均融合估计相比,所提出的标量加权融合参数估计和自校正状态估计都具有更高的精度.仿真研究验证了其有效性.     

带有色观测噪声和输入估计的自校正Kalman滤波器及其应用

对于带来知有色观测噪声和未知常的输入的离散线性系统,本文用现代时间序列分析方法,基于ARMA新息模型,提出了一种新的带输入估计的自校正Kalmn滤波器,作为一个应用例子,提出了新颖的带有色观测噪声和输入估计的自校正α—β跟踪滤波器,仿真结果说明了其有效性。     

带有色观测噪声系统最优和自校正状态估计器

基于ＡＲＭＡ新息模型，通过计算白噪声估值器和输出预报器，提出了带有色观测噪声系统的一种新的最优和自校正状态估计器，可统一处理滤波、平滑和预报问题，可处理未知的非平衡有色观测噪声、不稳定系统和状态转移阵奇异的系统。一个雷达跟踪系统的仿真例子说明了其有效性。     

带机动输入诊断和估计的自校正α—β—γ跟踪滤波器

对于带未知噪声统计的机动目标跟踪系统,本文提出了一种新的自校正跟踪方案,它由一个简单的自校正α-β-γ滤渡器、机动输入判决器和带输入估计的自校正α-β-γ滤波器组成,当判决机动加速度输入出现时,则简单的自校正α-β-γ滤波器立即被用带输入估计的自校正α-β-γ滤波器代替,以保证跟踪滤波器的精度,仿真结果说明了新方案的有效性。     

自校正滤波器在卫星定位中的应用

设计了一种新的基于ARMA模型的自校正卡尔曼滤波器,对卫星定位误差模型参数进行分段在线估计,根据误差模型估计参数直接求取滤波增益阵.并提出了一种直接计算滤波误差方差阵的方法,对两个不同的定位系统进行信息融合.仿真结果表明,在未知噪声统计特性的情况下,自校正卡尔曼滤波器能有效过滤观测噪声,基于它的信息融合规则能够有效提高定位精度.计算过程简单,并可以在线建模.     

带未知有色观测噪声的自校正融合Kalman滤波器

对于带未知有色观测噪声的多传感器线性离散定常随机系统, 未知模型参数和噪声方差的一致的融合估值器用递推增广最小二乘法(RELS)和求解相关函数方程得到. 将这些估值器代入到最优解耦融合Kalman滤波器中, 得出了自校正解耦融合Kalman滤波器, 并用动态方差误差系统分析(DVESA)和动态误差分析(DESA)方法证明了它收敛于最优解耦融合Kalman滤波器, 因而具有渐近最优性. 一个带3传感器跟踪系统的仿真例子说明了其有效 性.     

Convergence of self-tuning Riccati equation with correlated noises

For the linear discrete time-invariant stochastic system with correlated noises,and with unknown model parameters and noise statistics,substituting the online consistent estimators of the model paramet...     

非平稳ARMA信号自校正滤波器及其应用

本文处理带白色观测噪声的非平稳ARMA信号估计问题.应用状态空间方法和现代时 间序列分析方法[1],基于ARMA新息模型,提出了非平稳ARMA信号自校正滤波器,推广了 Hagander和Wittenmafk的结果[2],并给出了在雷达跟踪系统和检测数据数字滤波方面的应 用.仿真结果说明了本文结果的实用性和有效性.     

Self-tuning weighted measurement fusion Kalman filter and its convergence

For multisensor systems, when the model parameters and the noise variances are unknown, the consistent fused estimators of the model parameters and noise variances are obtained, based on the system identification algorithm, correlation method and least squares fusion criterion. Substituting these consistent estimators into the optimal weighted measurement fusion Kalman filter, a self-tuning weighted measurement fusion Kalman filter is presented. Using the dynamic error system analysis (DESA) method, the convergence of the self-tuning weighted measurement fusion Kalman filter is proved, i.e., the self-tuning Kalman filter converges to the corresponding optimal Kalman filter in a realization. Therefore, the self-tuning weighted measurement fusion Kalman filter has asymptotic global optimality. One simulation example for a 4-sensor target tracking system verifies its effectiveness.