自校正解耦融合Kalman預(yù)報(bào)器及其收斂性
2012-11-19 07:17:52
現(xiàn)代電子技術(shù) 2012年19期
摘要：對(duì)于帶有未知模型參數(shù)和噪聲方差的多傳感器系統(tǒng)，通過(guò)系統(tǒng)辨識(shí)方法，得到模型參數(shù)和噪聲方差的信息融合估計(jì)，將其代入到最優(yōu)分量按標(biāo)量加權(quán)融合Kalman預(yù)報(bào)器中，得到自校正信息融合Kalman預(yù)報(bào)器，實(shí)現(xiàn)了狀態(tài)分量的解耦。通過(guò)動(dòng)態(tài)誤差系統(tǒng)分析(DESA)方法嚴(yán)格證明了提出的自校正Kalman預(yù)報(bào)器按一個(gè)實(shí)現(xiàn)收斂于最優(yōu)融合Kalman預(yù)報(bào)器，因此它有漸近最優(yōu)性。應(yīng)用信號(hào)處理的仿真例子驗(yàn)證了其有效性。
關(guān)鍵詞：多傳感器信息融合； 解耦融合； 辨識(shí)； 收斂性分析； 自校正Kalman預(yù)報(bào)器
中圖分類號(hào)：TN911.734 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004373X(2012)19005904
猜你喜歡
中學(xué)生數(shù)理化·中考版(2022年8期)2022-06-14 06:55:24
今日農(nóng)業(yè)(2021年19期)2022-01-12 06:16:36
中老年保健(2021年11期)2021-08-22 03:15:44
中學(xué)生數(shù)理化(高中版.高考數(shù)學(xué))(2021年1期)2021-03-19 08:28:38
無(wú)線電工程(2020年11期)2020-10-29 01:25:46
現(xiàn)代出版(2020年3期)2020-06-20 07:10:34
中華手工(2017年2期)2017-06-06 23:00:31
中外會(huì)展(2014年4期)2014-11-27 07:46:46
建筑創(chuàng)作(2001年3期)2001-08-22 18:48:14
祝您健康(1987年3期)1987-12-30 09:52:32
