最优和自校正多传感器信息融合白噪声反卷积估值器

摘要

随着信息时代的到来，多传感器信息融合因其能有效地提高和优化基于单传感器的估计、识别或决策(控制)性能而得到了日趋广泛的重视和应用，其应用领域遍及军事和民用领域的方方面面。作为其中的一个分支，最优和自校正信息融合滤波理论分别是针对模型参数和/或噪声统计已知和未知两种情况下的多传感器系统的状态或信号的融合估计问题研究。系统的输入白噪声信号估计问题即白噪声反卷积估计问题在石油地震勘探和通信系统有重要应用背景。
　　 本文应用Kalman滤波方法和现代时间序列分析方法两种方法论，基于多传感器加权状态融合和加权观测融合两种融合方法，结合系统辨识方法，分别进行最优和自校正多传感器信息融合白噪声反卷积估值器的研究。主要工作包括以下四个方面：
　　 首先，应用Kalman滤波方法，基于Riccati方程，对带不同局部模型和带相关噪声多传感器系统给出统一的加权融合最优和稳态最优白噪声反卷积估值器。为了计算最优加权，给出了计算局部估计误差互协方差的两种公式。
　　 其次，应用现代时间序列分析方法，基于ARMA新息模型，对带不同局部模型和带相关噪声多传感器系统给出统一的稳态最优白噪声估值器。对带相同或不同局部动态模型的多传感器时滞系统，提出了的最优加权状态融合白噪声反卷积估值器。为了计算最优加权，分别给出了计算局部估计误差互协方差的公式。
　　 再次，应用Kalman滤波方法，基于Riccati方程，对于带相同观测阵和相关观测噪声或带不同观测阵和相关观测噪声或带相同观测阵和相关噪声的多传感器时变系统，分别提出了最优加权观测融合白噪声反卷积估值器，并证明其与相应的集中式融合白噪声反卷积估值器的完全功能等价性和全局最优性。同时作为特殊情况又给出了相应的定常系统稳态最优加权观测融合白噪声反卷积估值器。
　　 最后，应用Kalman滤波方法，基于Riccati方程，对带未知噪声统计的多传感器定常系统，应用基于相关函数方法的信息融合噪声统计的估值器，提出了自校正加权观测融合白噪声反卷积估值器。对带未知模型参数和带未知噪声统计的多传感器单通道AR和ARMA系统，应用相关函数方法、递推辅助变量算法和Gevers-Wounters算法给出了模型参数和噪声统计估值器，进而提出了自校正加权观测融合白噪声反卷积估值器。并基于动态误差系统分析方法证明了其收敛于相应的稳态加权观测融合白噪声反卷积估值器，即它们具有渐近全局最优性。
　　 以上结论均通过仿真例子给出验证，证明了理论的有效性。
　　 上述结果在多传感器信息融合滤波、石油地震勘探、信号处理和状态估计等领域有重要的理论和应用价值。

目录

文摘

英文文摘

声明

第1章绪论

1.1引言

1.1.1课题来源

1.1.2课题研究的目的、意义和方法论

1.2多传感器信息融合的定义和意义

1.2.1多传感器信息融合的定义

1.2.2多传感器信息融合的意义

1.3多传感器信息融合理论及其应用

1.3.1多传感器信息融合的理论研究

1.3.2信息融合的技术应用

1.4国内外同类课题研究现状及发展趋势

1.4.1国外研究现状

1.4.2国内研究现状

1.4.3信息融合最优滤波理论

1.4.4信息融合自校正滤波理论

1.5主要研究工作

1.5.1主要问题和困难

1.5.2主要工作

第2章基于Kalman滤波方法的最优加权融合白噪声反卷积估值器

2.1引言

2.2带不同局部模型多传感器时变系统最优白噪声反卷积融合器Ⅰ

2.2.1局部白噪声反卷积估值器

2.2.2局部估计误差互协方差计算

2.2.3最优加权融合白噪声反卷积融合器

2.2.4定常系统白噪声反卷积融合器

2.2.5仿真例子

2.3带不同局部模型多传感器时变系统最优白噪声反卷积融合器Ⅱ

2.3.1局部白噪声反卷积估值器

2.3.2局部估计误差互协方差计算

2.3.3最优加权融合白噪声反卷积融合器

2.3.4定常系统白噪声反卷积融合器

2.3.5仿真例子

2.4本章小结

第3章基于现代时间序列分析方法的最优加权融合白噪声反卷积估值器

3.1引言

3.2带不同局部模型多传感器系统稳态白噪声反卷积融合器Ⅰ

3.2.1局部白噪声反卷积估值器

3.2.2局部估计误差互协方差计算

3.2.3稳态最优加权融合白噪声反卷积融合器

3.2.4仿真例子

3.3带不同局部模型多传感器系统稳态白噪声反卷积融合器Ⅱ

3.3.1局部白噪声反卷积估值器

3.3.2局部估计误差互协方差计算

3.3.3稳态加权融合白噪声反卷积融合器

3.3.4仿真例子

3.4时滞多传感器系统加权状态融合白噪声反卷积估值器

3.4.1带相同局部模型的观测时滞多传感器系统白噪声反卷积融合器

3.4.2带不同局部模型的观测时滞多传感器系统白噪声反卷积融合器

3.4.3仿真例子

3.5本章小结

第4章基于Kalman滤波方法的最优加权观测融合白噪声反卷积估值器

4.1引言

4.2带相同观测阵和相关观测噪声时变系统加权观测融合白噪声反卷积融合器

4.2.1集中式观测融合白噪声反卷积估值器

4.2.2加权观测融合白噪声反卷积估值器

4.2.3加权观测融合白噪声反卷积融合器的全局最优性和完全功能等价性

4.2.4定常系统白噪声反卷积融合器

4.2.5仿真例子

4.3带不同观测阵和相关观测噪声时变系统加权观测融合白噪声反卷积融合器I

4.3.1集中式观测融合白噪声反卷积估值器

4.3.2加权观测融合白噪声反卷积估值器

4.3.3加权观测融合白噪声反卷积融合器的全局最优性和完全功能等价性

4.3.4定常系统白噪声反卷积融合器

4.3.5仿真例子

4.4带不同观测阵和相关观测噪声时变系统加权观测融合白噪声反卷积融合器Ⅱ

4.4.1集中式观测融合白噪声反卷积估值器

4.4.2加权观测融合白噪声反卷积估值器

4.4.3加权观测融合白噪声反卷积融合器的全局最优性和完全功能等价性

4.4.4定常系统白噪声反卷积融合器

4.4.5仿真例子

4.5带相同观测阵和相关噪声时变系统加权观测融合白噪声反卷积融合器Ⅰ

4.5.1集中式观测融合白噪声反卷积估值器

4.5.2加权观测融合白噪声反卷积估值器

4.5.3加权观测融合白噪声反卷积融合器的全局最优性和完全功能等价性

4.5.4定常系统白噪声反卷积融合器

4.5.5仿真例子

4.6带相同观测阵和相关噪声时变系统加权观测融合白噪声反卷积融合器Ⅱ

4.6.1集中式观测融合白噪声反卷积估值器

4.6.2加权观测融合白噪声反卷积估值器

4.6.3加权观测融合白噪声反卷积融合器的全局最优性和完全功能等价性

4.6.4定常系统白噪声反卷积融合器

4.6.5仿真例子

4.7本章小结

第5章自校正加权观测融合白噪声反卷积估值器及其收敛性分析

5.1引言

5.2模型参数和噪声统计估值器

5.2.1在线估计未知噪声统计的方法

5.2.2在线估计部分未知模型参数和未知噪声统计的方法

5.2.3在线估计未知模型参数和未知噪声统计的方法

5.3含未知噪声统计的自校正加权观测融合白噪声反卷积估值器

5.3.1自校正加权观测融合白噪声反卷积融合器Ⅰ

5.3.2自校正加权观测融合白噪声反卷积融合器Ⅱ

5.3.3自校正加权观测融合白噪声反卷积融合器Ⅲ

5.3.4自校正加权观测融合白噪声反卷积融合器Ⅳ

5.3.5自校正加权观测融合白噪声反卷积融合器Ⅴ

5.3.6仿真例子

5.4含未知噪声统计和未知模型参数的多传感器单通道AR系统的自校正加权观测融合白噪声反卷积估值器

5.4.1自校正加权观测融合白噪声反卷积融合器

5.4.2仿真例子

5.5含未知噪声统计和未知模型参数的多传感器单通道ARMA系统的自校正加权观测融合白噪声反卷积估值器

5.5.1自校正加权观测融合白噪声反卷积融合器Ⅰ

5.5.2自校正加权观测融合白噪声反卷积融合器Ⅱ

5.5.3仿真例子

5.6本章小结

结 论

参考文献

致 谢

攻读博士学位期间发表学术论文