在噪声环境下多传感器系统多段辨识方法研究

摘要

在通信、信号处理领域经常遇到信号的Kalman滤波问题，但它的应用的前提条件是假设模型参数和噪声统计是完全已知的。然而在实际应用问题中，经常遇到含未知模型参数和噪声统计的多传感器系统的信息融合滤波问题。在自适应、自校正控制领域也经常遇到对模型参数和噪声统计未知系统的控制问题。为了解决上述问题，首先要解决模型参数和噪声统计辨识问题。特别，解决在噪声环境下多传感器系统辨识问题具有重要理论和应用意义。
　　 本文针对带ARMA有色观测噪声的一维AR模型，提出了AR参数估计的递推辅助变量(RIV)算法。针对带MA有色观测噪声的多维AR模型，提出了AR参数估计的多维和多重递推辅助变量(MRIV)算法。
　　 针对带白色或有色观测噪声的多变量AR模型，提出了多变量偏差补偿递推最小二乘(MBCRLS)法，并利用动态误差分析方法(DESA)证明了它的强一致收敛性。
　　 针对带白色或有色观测噪声、公共干扰噪声和未知模型参数及噪声方差的多传感器单通道或多通道ARMA信号，提出了一种多段辨识方法。第一段应用递推辅助变量(RIV)算法或递推增广最小二乘(RELS)法，用平均局部的AR参数估值器的方法，得到未知模型参数的在线信息融合估值器；第二段应用相关函数方法，用平均局部的噪声方差估值器的方法，得到未知噪声方差的在线信息融合估值器；第三段应用相关函数方法，带死区Gevers-Wouters算法和最小二乘(LS)法，得到MA参数信息融合参数估值器。大量的仿真例子说明了上述算法和方法的有效性。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题研究的目的和意义

1.2 国内外同类课题研究现状及发展趋势

1.3 本文研究的主要问题

第2章基本的模型参数估计及噪声方差估计算法

2.1 引言

2.2一维递推辅助变量算法

2.2.1带白色观测噪声的AR模型参数估计

2.2.2带ARMA有色观测噪声的AR模型参数估计

2.3 多维递推辅助变量算法

2.3.1 带白色观测噪声的多维AR模型参数估计

2.3.2带MA有色观测噪声的多维AR模型参数估计

2.4多重递推辅助变量算法

2.5多维与多重递推辅助变量算法收敛性

2.6多变量偏差补偿递推最小二乘算法

2.6.1 带白色观测噪声的AR模型参数估计

2.6.2带有色观测噪声的AR模型参数估计

2.7多变量偏差补偿递推最小二乘算法收敛性

2.7.1 带白色观测噪声的AR模型的MBCRLS算法收敛性

2.7.2 带有色观测噪声的AR模型的MBCRLS算法收敛性

2.8带死区Gevers-Wouters算法及收敛性

2.9仿真例子

2.10本章小结

第3章带白色观测噪声的多传感器系统多段辨识

3.1 引言

3.2单通道情形1

3.3单通道情形2

3.4多通道情形1

3.5多通道情形2

3.6仿真例子

3.7本章小结

第4章带有色观测噪声的多传感器系统多段辨识

4.1 引言

4.2单通道情形1

4.3单通道情形2

4.4单通道情形3

4.5多通道情形1

4.6多通道情形2

4.7仿真例子

4.8本章小结

结论

参考文献

致谢

攻读硕士学位期间所发表的学术论文