不確定觀測(cè)系統(tǒng)的分布式狀態(tài)估計(jì).pdf

1、不確定觀測(cè)系統(tǒng)普遍存在于許多實(shí)際應(yīng)用中，例如在網(wǎng)絡(luò)控制系統(tǒng)和無(wú)線傳感器網(wǎng)絡(luò)中，由于環(huán)境的影響和通信網(wǎng)絡(luò)的不可靠性，可能會(huì)導(dǎo)致觀測(cè)數(shù)據(jù)丟失。這樣體現(xiàn)在觀測(cè)方程中就會(huì)存在觀測(cè)不確定性。本論文主要研究觀測(cè)數(shù)據(jù)丟失現(xiàn)象可通過(guò)一個(gè)Bernoulli分布的隨機(jī)變量來(lái)描述的系統(tǒng)。將對(duì)具有不確定觀測(cè)的多傳感器離散隨機(jī)線性系統(tǒng)，開(kāi)展分布式信息融合估計(jì)算法的研究。主要研究?jī)?nèi)容，包括分布式信息融合白噪聲估值器、狀態(tài)估值器及傳感器觀測(cè)帶未知干擾的狀態(tài)估值器。

2、 基于新息分析方法，對(duì)帶相關(guān)噪聲的不確定觀測(cè)離散隨機(jī)線性系統(tǒng)，提出了基于單傳感器系統(tǒng)的白噪聲線性最小方差最優(yōu)白噪聲估值器，包括輸入白噪聲估值器和觀測(cè)白噪聲估值器。同時(shí)，在系統(tǒng)穩(wěn)定的條件下給出了穩(wěn)態(tài)白噪聲估值器。并進(jìn)一步基于穩(wěn)態(tài)Kalman估值器給出了統(tǒng)一的漸近穩(wěn)定的Wiener白噪聲估值器。最后，對(duì)多傳感器不確定隨機(jī)系統(tǒng)，基于分布式線性最小方差加權(quán)信息融合估計(jì)算法，給出了分布式加權(quán)融合輸入白噪聲估值器，并推導(dǎo)了任兩個(gè)傳感器子系統(tǒng)之

3、間的估計(jì)誤差互協(xié)方差陣的計(jì)算公式。為了與集中式融合估計(jì)進(jìn)行精度和計(jì)算量的比較，我們也給出了集中式融合估計(jì)算法。 基于新息分析方法，對(duì)帶相關(guān)噪聲的不確定觀測(cè)離散隨機(jī)線性系統(tǒng)，基于單傳感器系統(tǒng)提出了線性最小方差最優(yōu)和穩(wěn)態(tài)狀態(tài)估值器。同時(shí)，基于穩(wěn)態(tài)Kalman濾波器給出了統(tǒng)一的漸近穩(wěn)定的Wiener狀態(tài)估值器。另外，對(duì)同時(shí)刻及相鄰時(shí)刻噪聲相關(guān)的不確定觀測(cè)隨機(jī)系統(tǒng)，提出了基于單傳感器的狀態(tài)估值器。進(jìn)而對(duì)多傳感器系統(tǒng)推得了任兩個(gè)傳感器子系

4、統(tǒng)之間的估計(jì)誤差互協(xié)方差陣。然后應(yīng)用分布式加權(quán)信息融合算法，獲得了分布式加權(quán)融合狀態(tài)估值器，并將分布式融合與集中式融合進(jìn)行了精度比較。 對(duì)傳感器帶未知干擾輸入的不確定觀測(cè)隨機(jī)系統(tǒng)，首先，基于單傳感器提出了不依賴于未知干擾輸入的線性無(wú)偏最小方差狀態(tài)濾波器，包括先驗(yàn)濾波器和后驗(yàn)濾波器。進(jìn)而，對(duì)多傳感器系統(tǒng)推得了任兩個(gè)傳感器子系統(tǒng)之間的濾波誤差互協(xié)方差陣。最后，基于分布式加權(quán)融合估計(jì)算法，給出了多傳感器分布式加權(quán)融。合狀態(tài)濾波器，并將