研究了带未知模型参数和衰减观测率多传感器线性离散随机系统的信息融合估计问题.在模型参数和衰减观测率未知的情形下,应用递推增广最小二乘(Recursive extend least squares,RELS)算法和加权融合估计算法提出了分布式融合未知模型参...研究了带未知模型参数和衰减观测率多传感器线性离散随机系统的信息融合估计问题.在模型参数和衰减观测率未知的情形下,应用递推增广最小二乘(Recursive extend least squares,RELS)算法和加权融合估计算法提出了分布式融合未知模型参数辨识器;应用相关函数对描述衰减观测现象的随机变量的数学期望和方差进行在线辨识.将辨识后的模型参数、数学期望和方差代入到最优分布式融合状态滤波器中,获得了相应的自校正融合状态滤波算法.应用动态误差系统分析(Dynamic error system analysis,DESA)方法证明了算法的收敛性.仿真例子验证了算法的有效性.展开更多
研究了带未知丢失观测率和传感器偏差的多传感器(Autoregressive,AR)模型融合辨识问题。采用一组伯努利随机变量描述观测丢失现象。选取递推增广最小二乘(Recursive extend least squares,RELS)算法,对未知的AR模型参数和未知的传感器...研究了带未知丢失观测率和传感器偏差的多传感器(Autoregressive,AR)模型融合辨识问题。采用一组伯努利随机变量描述观测丢失现象。选取递推增广最小二乘(Recursive extend least squares,RELS)算法,对未知的AR模型参数和未知的传感器偏差进行在线辨识。应用矩阵加权线性无偏最小方差最优融合估计准则得到AR模型参数的融合估计。通过AR模型与状态空间模型之间的转换和相关函数获得各传感器观测收到率和观测噪声方差估计值。仿真例子验证了此算法的有效性。展开更多
文摘研究了带未知模型参数和衰减观测率多传感器线性离散随机系统的信息融合估计问题.在模型参数和衰减观测率未知的情形下,应用递推增广最小二乘(Recursive extend least squares,RELS)算法和加权融合估计算法提出了分布式融合未知模型参数辨识器;应用相关函数对描述衰减观测现象的随机变量的数学期望和方差进行在线辨识.将辨识后的模型参数、数学期望和方差代入到最优分布式融合状态滤波器中,获得了相应的自校正融合状态滤波算法.应用动态误差系统分析(Dynamic error system analysis,DESA)方法证明了算法的收敛性.仿真例子验证了算法的有效性.
文摘研究了带未知丢失观测率和传感器偏差的多传感器(Autoregressive,AR)模型融合辨识问题。采用一组伯努利随机变量描述观测丢失现象。选取递推增广最小二乘(Recursive extend least squares,RELS)算法,对未知的AR模型参数和未知的传感器偏差进行在线辨识。应用矩阵加权线性无偏最小方差最优融合估计准则得到AR模型参数的融合估计。通过AR模型与状态空间模型之间的转换和相关函数获得各传感器观测收到率和观测噪声方差估计值。仿真例子验证了此算法的有效性。
