黑龙江省教育厅科学技术研究项目(11553101)
- 作品数：4 被引量：12H指数：1
- 相关作者：陶贵丽刘文强邓自立黄妍武狄更多>>
- 相关机构：黑龙江科技学院黑龙江大学更多>>
- 发文基金：黑龙江省教育厅科学技术研究项目国家自然科学基金更多>>
- 相关领域：理学电子电信自动化与计算机技术更多>>
- 带未知模型参数的自校正集中式融合信息滤波器被引量：1
- 2010年
- 对于带未知模型参数和噪声统计的多传感器系统,通过系统辨识方法,能够获得模型参数和噪声统计的在线估值,然后把它们代入到基于信息矩阵的最优集中式融合滤波器,得到自校正集中式融合Kalman滤波器。应用动态误差系统分析(DESA)方法,证明了自校正集中式融合Kalman滤波器收敛于最优集中式融合Kalman滤波器,因此它有渐近全局最优性。应用于信号处理的仿真例子说明了其有效性。
- 刘文强陶贵丽邓自立
- 关键词：多传感器信息融合KALMAN滤波收敛性
- 多变量自回归信号信息融合辨识方法
- 2012年
- 近年来,为了提高系统模型和状态估计的精度,多传感器数据融合引起了广泛关注。对于带白色公共干扰噪声和有色观测噪声的多传感器多变量自回归(AR)模型,当AR模型参数和噪声方差未知时,提出了一种信息融合多段辨识方法,其中采用多维递推辅助变量(MRIV)方法得到AR模型参数的局部和融合估值器,再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性,通过一个信号仿真例子验证了其有效性。
- 陶贵丽刘文强黄妍顾泽元
- 关键词：一致性
- 含未知参数的自校正融合Kalman滤波器及其收敛性被引量：11
- 2012年
- 对于带未知模型参数和噪声方差的多传感器系统,基于分量按标量加权最优融合准则,提出了自校正解耦融合Kalman滤波器,并应用动态误差系统分析(Dynamic error system analysis,DESA)方法证明了它的收敛性.作为在信号处理中的应用,对带有色和白色观测噪声的多传感器多维自回归(Autoregressive,AR)信号,分别提出了AR信号模型参数估计的多维和多重偏差补偿递推最小二乘(Bias compensated recursive least-squares,BCRLS)算法,证明了两种算法的等价性,并且用DESA方法证明了它们的收敛性.在此基础上提出了AR信号的自校正融合Kalman滤波器,它具有渐近最优性.仿真例子说明了其有效性.
- 陶贵丽邓自立
- 关键词：多传感器信息融合收敛性KALMAN滤波器
- 时滞系统的多源数据融合卡尔曼滤波器研究
- 2012年
- 对于带观测时滞的线性离散时变随机控制优化问题,提出了观测变换方法,把带观测时滞状态空间模型等效地转换为无观测时滞的状态空间模型,接着应用卡尔曼(Kalman)滤波方法,在线性最小方差最优融合准则下,给出按矩阵、按对角阵和按标量加权三种最优信息融合卡尔曼(Kalman)滤波器,可分为局部最优全局次优的。融合器的精度高于每一个局部Kalman估值器的精度。可以减少用增广状态方法计算负担大的缺点。为了计算最优加权,给出了计算局部估计误差互协方差公式。对于带观测时滞的三传感器目标跟踪系统的Monte Carlo仿真例子证明了算法的有效性。
- 刘文强陶贵丽武狄张剑飞
- 关键词：多传感器信息融合时滞系统加权融合
