传感器网络的序贯协方差交叉反馈融合状态滤波器（英文）

为了减轻传感器网络融合中心的计算负担和实现传感器信息的充分利用,提出了一种带反馈结构的序贯协方差交叉融合Kalman滤波器。该反馈结构将传感器网络融合中心的状态融合预报值及其融合误差方差信息反馈给局部传感器作为先验信息,进行局部滤波,将得到的新局部状态滤波值和局部滤波误差方差阵信息传递到融合中心,根据到达次序进行序贯协方差交叉融合。搭建了带反馈结构的序贯融合算法框架。仿真实验表明,该算法具有良好的估计性能,且明显减少了融合中心的计算负担,与集中式融合滤波器相比,减小了融合中心的计算压力与负担,提高网络的容错性,与不带反馈的序贯协方差交叉融合滤波器相比,具有更高的估计精度。     

鲁棒融合Kalman滤波在异步电机转速控制中的应用

协方差交叉融合算法是新兴的一种分布式融合算法,该算法避免了局部互协方差或相关阵的计算,算法简单,故得到了广泛的应用.以异步电机转速控制为应用背景,进行协方差交叉融合Kalman滤波算法的应用研究.相比已有的单传感器状态估计,所提出的协方差交叉融合状态估计算法估计精度更高.仿真实例分析说明了所提出的算法的有效性.     

非线性离散系统基于扩展Kalman滤波的鲁棒融合状态估计

非线性系统的状态估计问题是现代控制理论研究中不可或缺的一部分.提出一种基于扩展Kalman滤波的鲁棒融合状态估计算法,它是在已有的扩展Kalman滤波算法的基础上,通过引入CI状态融合来实现的.融合算法的引入能有效填补扩展Kalman滤波器在模型线性化时所带有的精度损失;CI融合算法因为避免了局部估计误差互协方差的计算而变得简单易行,尤其便于实际工程应用.仿真实验结果表明了所提出的多传感器非线性离散系统的CI融合状态估计算法可有效减少估计误差,具有一定的有效性和可行性.     

具有一步随机滞后和丢包多传感器系统分布式递推融合预报器

研究了具有一步随机滞后和丢包多传感器系统的分布式递推融合估计问题.利用满足伯努利分布的随机变量描述传感器到估计器的随机滞后和丢包现象.通过定义新变量,将原系统等价地转化为随机参数化系统.基于局部最优线性估值,局部估值之间的互协方差阵,以及先验融合估值和局部估值之间的互协方差阵,提出了分布式递推融合预报算法.给出稳态预报器存在的一个充分条件.通过仿真验证其有效性.     

基于小波变换的序贯航迹关联算法

在分布式多传感器信息融合系统中,航迹关联是航迹融合过程中首要解决的问题,即如何判断来自于不同系统的航迹是否来源于同一目标.本文将小波变换引入到航迹关联算法研究中,利用小波变换将卡尔曼滤波后的航迹提取新的特征向量,从航迹的整体态势和局部细节变化两方面对原有的序贯航迹关联算法进行改进,提出了一种新的航迹关联算法.该算法将小波变换与序贯思想结合起来,提高了正确关联率.最后,对该算法进行仿真实验,证明了该算法的正确性和有效性,并搭建了数据链信息融合半实物仿真测试平台,模拟了数据链系统中信息融合的全过程.     

基于智能算法优化卡尔曼滤波器的电机转速估计

针对感应电机扩展卡尔曼滤波器转速估计中难以取得卡尔曼滤波器系统噪声矩阵和测量噪声矩阵最优值的问题,提出了一种基于改进粒子群算法优化的扩展卡尔曼滤波器转速估计方法。算法通过融合遗传算法和粒子群算法的优点,采用可调整的算法模型对粒子群算法进行改进,将改进的粒子群算法对扩展卡尔曼滤波器中的系统噪声矩阵和测量噪声矩阵进行优化处理,将优化后的卡尔曼滤波器应用于感应电机转速估计,仿真实验表明,与试探法、标准粒子群算法及遗传算法比较,改进粒子群算法优化的扩展卡尔曼滤波器能够有效提高转速估计的精度,从而提高无速度传感器矢量控制系统的控制性能。     

基于降阶推广卡尔曼滤波器的异步电机无速度传感器矢量控制

提出一种估计异步电机转子速度和转子磁链的新型降阶推广卡尔曼滤波器算法 ,建立了基于此算法的异步电机无速度传感器矢量控制系统 .以转子磁链的两个分量为状态变量 ,被估计的参数转子速度作为扩充状态变量 ,构成三阶推广卡尔曼滤波器算法 ,算法阶数的降低明显地减少了运算量 ,适合实时实现 .仿真结果显示转子速度和转子磁链的估计精度高 ,系统的速度控制性能令人满意 ,证明此算法有效可行 .     

序贯数论优化方法的改进及其在全局优化中的应用

过程系统综合问题通常是非线性和多峰的 ,求解该类问题的确定性方法通常会陷入局部极值陷井 ,随机方法则只能以一定概率得到全局最优解 .基于此 ,提出一种并行序贯寻优 (SNTO)方法 .该方法中 ,可行点均匀散布在可行域内 ,并行搜索模式为小样本条件下获得全局近最优解提供了可能 .对测试函数的有效求解验证了该方法的有效性 .     

基于模糊自适应无迹卡尔曼滤波的多源异构信息融合弹道目标跟踪测量系统

本文将多源信息融合理论应用于弹道目标跟踪系统,综合考虑到“当前”统计模型能够准确描述主动段导弹飞行特性,和卡尔曼滤波器预测的无偏性,稳定性和最优化特点.在“当前”统计模型的基础上,利用无迹卡尔曼滤波器做最优估计实时预测跟踪,同时运用模糊理论能够描述和处理传感器信息的不确定性的特点,对卡尔曼滤波器的测量参数进行自适应调节,从而达到系统误差自校准和测量误差自适应的功能,建立实时数据融合模型,通过仿真显示,该系统能够有效提高跟踪精度和跟踪稳定性,避免外在干扰;且加快响应收敛速度,适应主动段目标跟踪测量.     

对于带未知噪声的反卷积系统的多传感器信息融合辨识算法

对于一个带未知噪声的反卷积系统,提出一种基于自回归滑动平均(ARMA)模型的多传感器信息融合辨识算法,使用该算法可以得到对系统未知噪声统计和部分未知参数的局部和融合估计,并且证明了估计的收敛性。