不确定观测多传感器ARMA信号信息融合估计

摘要

信号处理问题在通信科控制领域都有广泛的应用.ARMA(autoregressive moving average)信号在系统建模，时间序列分析，系统预报与反卷积等问题中有广泛的应用背景.然而实际当中传感器由于硬件设施老化、环境的影响及通信网络的不可靠性等诸多因素存在观测的不确性(这种每个传感器观测的不确定性可以通过一个Bernoulli分布的随机变量描述).从而导致常规的估值算法在存在观测数据丢失的情况下失去最优性.研究具有不确定观测ARMA信号的估值问题无论在理论上还是实践应用中都具有重要的意义.本文讨论了具有不确定观测多传感器ARMA信号的分布式信息融合算法，包括状态空间法分布式信息融合估计、具有不确定观测传感器观测噪声估计法分布式信息融合估计，以及非增广法分布式信息融合估计.
　　 将具有不确定观测ARMA信号模型转化成具有不确定观测状态空间模型，利用射影原理给出状态变量的局部最优估值器(滤波器、预报器和平滑器)和系统噪声的估值器(滤波器和平滑器).从而获得ARMA信号的最优估值器(滤波器、预报器和平滑器)，给出任意两个不同子系统信号的估值误差互协方差阵.基于线性最小方差最优加权信息融合估计准则给出具有不确定观测多传感器ARMA信号的矩阵加权，分量按标量加权和标量加权估计.
　　 利用射影原理在状态空间模型下对于具有不确定观测的ARMA信号子系统传感器的观测噪声进行估计，通过存在数据丢失问题的观测方程直接获得ARMA信号的滤波器和平滑器，在此基础上计算任意两个不同子系统信号估值误差的互协方差阵.基于线性最小方差最优加权信息融合估计准则给出具有不确定观测多传感器ARMA信号的矩阵加权，分量按标量加权和标量加权估计.
　　 直接利用射影定理对于ARMA信号方程在具有不确定观测子传感器的观测数据所构成的线性流形上取投影.通过历史信号和系统噪声的估计获得局部滤波器.并推导任意两个不同子系统信号滤波误差的互协方差阵.基于线性最小方差最优加权信息融合估计准则给出具有不确定观测多传感器ARMA信号的矩阵加权，分量按标量加权和标量加权滤波.

目录

文摘

英文文摘

论文说明：符号说明

声明

第1章 绪论

1.1课题研究的背景和意义

1.2多传感器信息融合技术

1.2.1信息融合技术的国内外发展现状

1.2.2信息融合的结构

1.2.3信息融合的方法

1.2.4信息融合中的状态估计

1.3 不确定观测系统状态估计研究概况

1.4 主要研究内容

第2章 预备知识

2.1引言

2.2射影理论

2.2.1线性最小方差估计和射影

2.2.2新息序列

2.3多传感器最优加权信息融合算法及其计算量比较

2.4本章小结

第3章 状态空间法多传感器信息融合估计

3.1 引言

3.2 局部传感器ARMA信号估值器

3.2.1问题的阐述

3.2.2模型转化

3.2.3状态局部Kalman估值器

3.2.4 系统噪声局部估值器

3.2.5 ARMA信号局部估值器

3.3 多传感器系统的信息融合估计

3.3.1 问题阐述

3.3.2 任意两个子系统状态估计误差互协方差阵

3.3.3 任意两个子系统噪声估计误差互协方差阵

3.3.4 ARMA信号信息融合估值器

3.4仿真研究

3.5 本章小结

第4章 基于观测噪声估值器的信息融合信号估计

4.1 引言

4.2 局部传感器信号估值器

4.2.1 问题阐述

4.2.2观测噪声估值器

4.2.3 ARMA信号局部估值器

4.3 分布式多传感器信息融合信号估值器

4.3.1 问题阐述

4.3.2 任意两个子系统之间观测噪声估计误差互协方差阵

4.3.3 多传感器ARMA信号分布式融合估值器

4.4 仿真研究

4.5 本章小结

第5章 非增广的ARMA信号满阶信息融合滤波

5.1 引言

5.2 单传感器信号滤波器

5.2.1 问题阐述

5.2.2信号局部滤波器

5.3 分布式多传感器信息融合滤波器

5.3.1 问题阐述

5.3.2 分布式多传感器ARMA信号信息融合滤波器

5.4 仿真研究

5.5 本章小结

结语

参考文献

致谢

攻读学位期间发表的学术论文