黑龙江省自然科学基金(F201015)
- 作品数：5 被引量：21H指数：2
- 相关作者：郝钢邢宗新李云叶秀芬金浩更多>>
- 相关机构：黑龙江大学哈尔滨商业大学哈尔滨工程大学更多>>
- 发文基金：黑龙江省自然科学基金教育部科学技术研究重点项目更多>>
- 相关领域：理学电子电信更多>>
- 多传感器矩阵加权信息融合预测控制算法被引量：1
- 2012年
- 针对多传感器线性离散时不变随机控制系统,应用Kalmam滤波方法,基于状态空间模型,在线性最小方差最优信息融合准则下,给出了多传感器按矩阵加权信息融合预测控制算法.该算法将信息融合Kalman滤波器和预测控制相结合,避免了求解复杂的Diophantine方程,可明显减轻计算负担.与单传感器情形相比,可显著提高控制精度.一个三传感器目标跟踪控制系统的仿真例子说明了算法的有效性和正确性.
- 李云邢宗新李世军金浩赵明张玉茹
- 关键词：预测控制信息融合状态空间模型
- 多传感器加权观测融合自适应UKF滤波器被引量：2
- 2011年
- 对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法。该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性。进而利用Sage-Husa估计算法得到自适应UKF滤波算法。该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性。为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器。一个带3传感器非线性系统的仿真例子说明了该算法的有效性。
- 郝钢叶秀芬
- 关键词：自适应滤波加权观测融合
- 基于UKF滤波器的状态融合算法
- 2012年
- 对于具有相同观测方程、不相关观测噪声的非线性系统，应用非线性系统的无迹卡尔曼滤波器和加权最小二乘法，提出了信息融合UKF滤波算法。同但传感器情形相比，提高了滤波精度。
- 李云邢宗新郝钢
- 关键词：非线性滤波UKF信息融合
- 加权观测融合非线性无迹卡尔曼滤波算法被引量：18
- 2011年
- 针对非线性系统的无迹卡尔曼滤波器(UKF),应用加权最小二乘(WLS)法,提出了加权观测融合UKF滤波算法.证明了加权观测融合UKF滤波算法与集中式观测融合UKF滤波算法在数值上的完全等价性,因而具有全局最优性.一个带两传感器非线性系统的仿真例子说明了两种融合算法的有效性及等价性.
- 郝钢叶秀芬陈亭
- 关键词：非线性滤波加权观测融合
- 相关观测噪声的加权观测融合UKF滤波器
- 2012年
- 对于具有相同观测方程,相关观测噪声的非系统,应用无迹卡尔曼滤波器(UKF),以及加权最小二乘(WLS)法,提出了加权观测融合UKF滤波算法.该算法具有全局最优性,且没有增加观测系统的维数,进而没有增加系统的计算负担.一个带有相关观测噪声的两传感器非线性系统的仿真例子说明了该融合算法的有效性及等价性.
- 李云郝钢邢宗新李世军梁伯虎
