隨著現(xiàn)代控制系統(tǒng)規(guī)模不斷擴(kuò)大、復(fù)雜性不斷提升,使得傳統(tǒng)感知設(shè)備以及處理方式遠(yuǎn)遠(yuǎn)不能滿足人們對(duì)系統(tǒng)精確、全方位認(rèn)知需要的不斷增加。信息融合理論和技術(shù)在此背景下應(yīng)運(yùn)而生,經(jīng)過(guò)幾十年的發(fā)展,線性多傳感器系統(tǒng)信息融合估計(jì)逐漸形成一套比較完善的理論體系和研究方法。但對(duì)于非線性多傳感器系統(tǒng),由于非線性環(huán)節(jié)的復(fù)雜性和不確定性,使得非線性多傳感器系統(tǒng)信息融合算法還沒(méi)有得到系統(tǒng)的解決。非線性多傳感器信息融合至今仍然是信息融合領(lǐng)域的主要問(wèn)題和研究熱點(diǎn)。本文研究了非線性多傳感器系統(tǒng)的加權(quán)觀測(cè)融合估計(jì)問(wèn)題,主要研究?jī)?nèi)容如下:1.針對(duì)帶有獨(dú)立噪聲的非線性多傳感器系統(tǒng),通過(guò)引入中介函數(shù),使各個(gè)觀測(cè)方程可由線性矩陣和中介函數(shù)相乘得到,再利用加權(quán)最小二乘法（Weighted Least Square,WLS）,提出了一種非線性加權(quán)觀測(cè)融合（Weighted Measurement Fusion,WMF）算法。該算法可降低集中式融合系統(tǒng)的觀測(cè)方程維數(shù),實(shí)現(xiàn)集中式融合系統(tǒng)的數(shù)據(jù)壓縮,減少后續(xù)估計(jì)等環(huán)節(jié)的計(jì)算負(fù)擔(dān)。本文通過(guò)Taylor級(jí)數(shù)構(gòu)造了多項(xiàng)式形式的近似中介函數(shù),使該算法得以實(shí)現(xiàn)。在此基礎(chǔ)上,基于Taylor級(jí)數(shù)逼近... 

【文章來(lái)源】：黑龍江大學(xué)黑龍江省

【文章頁(yè)數(shù)】：159 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖1-10分布式融合模型

第 1 章 緒論- 15 -圖1-11 混合式融合模型Fig. 1-11 Mixed fusion model1.3.5 非線性系統(tǒng)融合估計(jì)研究現(xiàn)狀基于線性模型的融合估計(jì)經(jīng)過(guò)40多年的發(fā)展已經(jīng)形成了一套完整的體系算法。然而大量系統(tǒng)并非是理想的線性模型，例如，絕大多數(shù)導(dǎo)航、目標(biāo)跟蹤等系統(tǒng)的觀測(cè)方程（測(cè)量傳感器）是基于球面坐標(biāo)系建立的，相對(duì)于在笛卡爾坐標(biāo)系下建立的狀態(tài)方程而言，這些觀測(cè)方程是非線性的而且是強(qiáng)非線性的方程[88, 94]。許多學(xué)者對(duì)非線性多傳感器系統(tǒng)融合問(wèn)題提出了解決方案，其中最早的也是最為常見(jiàn)的是集中式融合[57]。其結(jié)構(gòu)簡(jiǎn)單、融合精度高、易于實(shí)現(xiàn)，但缺點(diǎn)是計(jì)算量大。之后有學(xué)者以EKF為基礎(chǔ)，仿照線性融合方法提出了一類非線性融合方法[95-101]。這類方法都是以線性函數(shù)近似方法實(shí)現(xiàn)的，簡(jiǎn)單有效，可以將非線性問(wèn)題轉(zhuǎn)換為線性問(wèn)題進(jìn)行處理。但類似EKF的近似線性化方法（略去2階以上Taylor級(jí)數(shù)展開項(xiàng)）由于大量信息被略去

也就是說(shuō)，維數(shù)保持在2 2不變。的維數(shù)將持續(xù)增加，因此隨著傳感器數(shù)目的增加顯高于 WMF-UKF 算法。0 50 100 150 200-20-1001020k/stepTure state Estimated state態(tài)狀圖3-4 WMF-UKF1的估計(jì)曲線Fig.3-4 Curve of state estimation using WMF-UKF1

【參考文獻(xiàn)】：
期刊論文
[1]帶相關(guān)噪聲、隨機(jī)觀測(cè)滯后和丟失的隨機(jī)不確定系統(tǒng)的最優(yōu)線性估值器[J]. 王欣,孫書利.  控制理論與應(yīng)用. 2017(05)
[2]3種確定性采樣非線性濾波算法的復(fù)雜度分析[J]. 張召友,郝燕玲,吳旭.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2013(12)
[3]基于貝葉斯估計(jì)噪聲相關(guān)下的CKF設(shè)計(jì)[J]. 錢華明,葛磊,黃蔚,劉璇.  系統(tǒng)工程與電子技術(shù). 2012(11)
[4]噪聲相關(guān)條件下Unscented卡爾曼濾波器設(shè)計(jì)[J]. 王小旭,趙琳,夏全喜,曹偉,李亮.  控制理論與應(yīng)用. 2010(10)
[5]基于最小均方誤差估計(jì)的噪聲相關(guān)UKF設(shè)計(jì)[J]. 王小旭,趙琳,潘泉,夏全喜,洪偉.  控制與決策. 2010(09)
[6]自校正多傳感器觀測(cè)融合Kalman估值器及其收斂性分析[J]. 鄧自立,郝鋼.  控制理論與應(yīng)用. 2008(05)
[7]大型復(fù)雜電力系統(tǒng)的多傳感器信息融合智能技術(shù)[J]. 王耀南.  電力科學(xué)與技術(shù)學(xué)報(bào). 2008(02)
[8]利用多傳感器信息融合技術(shù)實(shí)現(xiàn)電子裝備的故障診斷[J]. 田慶民,王玉.  電光與控制. 2008(01)
[9]應(yīng)用神經(jīng)網(wǎng)絡(luò)信息融合診斷航空發(fā)動(dòng)機(jī)故障[J]. 趙世榮,黃向華.  航空動(dòng)力學(xué)報(bào). 2008(01)
[10]多傳感器信息融合技術(shù)在液壓設(shè)備故障診斷中的應(yīng)用[J]. 陳法法,程珩,楊勇.  太原理工大學(xué)學(xué)報(bào). 2008(01)



本文編號(hào)：3420472