多传感器欠观测系统融合自校正增量Kalman滤波器

目录

摘要

第1章绪论

1．1课题的研究背景与意义

1．2多传感器信息融合技术的发展概况

1．3自校正信息融合的研究现状

1．4欠观测增量系统的研究现状

1．5预备知识

1．5．1射影理论与新息序列

1．5．2经典增量观测模型

1．5．3三种加权状态融合和观测融合算法

1．5．4收敛性分析的DESA方法

1．5．5本文主要研究内容

第2章欠观测系统基于增量模型的新的参数估计算法

2．1引言

2．2增量模型的新的参数估计算法

2．2．1增量模型下的递推辅助变量(RIV)算法

2．2．2增量模型下的递推增广最小二乘(RELS)算法

2．2．3增量模型下的两段RLS-RELS算法

2．3仿真研究

2．4本章小结

第3章单传感器欠观测系统自校正增量Kalman滤波算法

3．1引言

3．2问题阐述

3．3自校正增量Kalman滤波器

3．3．1自校正增量Kalman滤波器收敛性

3．4仿真研究

3．5本章小结

第4章多传感器欠观测系统加权融合自校正增量Kalman滤波算法

4．1引言

4．2．1按标量加权融合自校正增量Kalman滤波器及其收敛性分析

4．2．2按矩阵加权融合自校正增量Kalman滤波器及其收敛性分析

4．2．3按对角阵加权融合自校正增量Kalman滤波器及其收敛性分析

4．2．4仿真研究

4．3多传感器加权观测融合自校正增量Kalman滤波器

4．3．1加权观测融合自校正增量Kalman滤波器及其收敛性分析

4．3．2仿真研究

4．4本章小结

结论

参考文献

致谢

攻读学位期间发表论文

声明