【摘要】：濾波技術(shù)指的是將信號(hào)中的特定波段頻率分離,是現(xiàn)代工業(yè)電子、航空航天、圖像處理等領(lǐng)域常用的抑制干擾的有效方法,因此得到了國內(nèi)外專家學(xué)者的極度重視。在高斯線性系統(tǒng)中,以卡爾曼濾波器最為著名。而為了拓展濾波技術(shù)的應(yīng)用,學(xué)者們研究了針對(duì)一類噪聲為高斯的非線性系統(tǒng)的濾波算法。但針對(duì)非高斯噪聲的非線性系統(tǒng)濾波方法的研究相對(duì)較為局限,本文就針對(duì)該類復(fù)雜系統(tǒng)的濾波方法進(jìn)行研究。本文主要是針對(duì)基于特征函數(shù)的濾波算法的擴(kuò)展研究。(1)對(duì)于現(xiàn)有的特征函數(shù)濾波算法進(jìn)行了局限性分析,在基于多輸入多輸出所設(shè)計(jì)的濾波算法而適用于多輸出的情況下,僅可得到數(shù)值近似的增益矩陣,存在因局部極值而導(dǎo)致的誤差。利用泰勒展開思想將原本只適用于狀態(tài)為線性觀測(cè)為非線性的特征函數(shù)濾波算法,推廣到適用于狀態(tài)和觀測(cè)均為非線性的復(fù)雜系統(tǒng)。通過仿真實(shí)驗(yàn)證明了方法的有效性。(2)特征函數(shù)濾波算法應(yīng)用于多維觀測(cè)系統(tǒng)下時(shí),利用不動(dòng)點(diǎn)迭代方法求解濾波增益矩陣。并對(duì)結(jié)果進(jìn)行多項(xiàng)式擬合,從數(shù)值方法上對(duì)該算法的收斂性進(jìn)行了分析,并與利用梯度下降法求解的算法進(jìn)行比較實(shí)驗(yàn)。最后,通過一個(gè)工業(yè)器件的測(cè)量模型仿真實(shí)驗(yàn)證明了本文方法的有效性及適用性。(3)考慮到信息的多樣性和融合性,本文在多傳感器系統(tǒng)中分別設(shè)計(jì)了并行式和序貫式兩種形式的特征函數(shù)濾波器。前者需要融合所有傳感器的信息,因此信息較為可靠;后者則是考慮到了因傳感器分別處于不同的地方而導(dǎo)致數(shù)據(jù)到達(dá)融合中心存在時(shí)間差,且傳感器也可能出現(xiàn)的丟包現(xiàn)象,序貫式濾波同時(shí)還考慮到了信息繼承性問題。最后通過仿真實(shí)驗(yàn)證明了兩種濾波器設(shè)計(jì)方法的有效性及差異性。
【圖文】：

為了更具代表性，汁算機(jī)Ｍａｔｌａｂ仿真２０次并取平均結(jié)果如下表所示。逡逑邐邐表３．１平均誤差對(duì)比表邐邐逡逑狀態(tài)向量邐ＫＦ邐ＣＦＦ邐ＫＦ邋ＶＳ邋ＣＦＦ逡逑Ａ－１邐０．２１８２邐０．２５２４邐邐１３．５％邐逡逑＼２邐０．２３０８邐０．２４９６邐７．５０％逡逑從上圖和丨？．衣的數(shù)據(jù)可知，，在線性高斯模型下，皂無疑問ＫＦ是最好的估計(jì)器，逡逑但特征函數(shù)濾波的誤差在實(shí)際應(yīng)用中也是在可接受范圍內(nèi)的。通過ＣＦＦ與ＫＦ對(duì)于勻逡逑速直線運(yùn)動(dòng)模型的仿真實(shí)驗(yàn)，說明了邋ＣＦＦ基于函數(shù)與函數(shù)逼近效果而設(shè)計(jì)的性能指標(biāo)逡逑是可以達(dá)到較理想的估計(jì)效果的。逡逑３．邋４基于非線性狀態(tài)方程的ＣＦＦ逡逑３．邋４．邋１算法描述逡逑在３．３節(jié)中描述的ＣＦＦ算法Ｈ適合在狀態(tài)模型為線性條件下，在狀態(tài)方g魑海咤義閑院攏薹ㄍü苯酉嗉醯玫焦厥跫蟛畹牡萃票澩鍤�。受祫εＫＦ、Ｐ浼想辶x

本文編號(hào)：2672421