自校正解耦融合Kalman預(yù)報器及其收斂性
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)，通過系統(tǒng)辨識方法，得到模型參數(shù)和噪聲方差的信息融合估計，將其代入到最優(yōu)分量按標(biāo)量加權(quán)融合Kalman預(yù)報器中，得到自校正信息融合Kalman預(yù)報器，實(shí)現(xiàn)了狀態(tài)分量的解耦。通過動態(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)報器按一個實(shí)現(xiàn)收斂于最優(yōu)融合Kalman預(yù)報器，因此它有漸近最優(yōu)性。應(yīng)用信號處理的仿真例子驗證了其有效性。
關(guān)鍵詞：多傳感器信息融合； 解耦融合； 辨識； 收斂性分析； 自校正Kalman預(yù)報器
中圖分類號：TN911.734 文獻(xiàn)標(biāo)識碼：A 文章編號：1004373X(2012)19005904
猜你喜歡
中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2023年6期)2023-05-25 12:17:42
中學(xué)生數(shù)理化(高中版.高考數(shù)學(xué))(2021年3期)2021-06-09 06:09:10
數(shù)學(xué)物理學(xué)報(2020年3期)2020-07-27 01:19:48
國學(xué)(2020年1期)2020-06-29 15:15:30
中學(xué)生數(shù)理化·七年級數(shù)學(xué)人教版(2019年6期)2019-06-25 01:01:32
Acta Mathematica Scientia(English Series)(2018年6期)2018-03-01 03:13:42
數(shù)學(xué)物理學(xué)報(2017年6期)2018-01-22 02:26:53
初中生世界·九年級(2017年10期)2017-11-08 21:30:36
攝影之友(影像視覺)(2017年1期)2017-07-18 11:12:16
數(shù)學(xué)年刊A輯(中文版)(2015年4期)2015-10-30 01:49:12
