多传感器arma信号观测融合wiener滤波器

多传感器arma信号观测融合wiener滤波器

ID:34458622

大小:191.04 KB

页数:4页

时间:2019-03-06

多传感器arma信号观测融合wiener滤波器_第1页
多传感器arma信号观测融合wiener滤波器_第2页
多传感器arma信号观测融合wiener滤波器_第3页
多传感器arma信号观测融合wiener滤波器_第4页
资源描述:

《多传感器arma信号观测融合wiener滤波器》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第10卷第l6期2010年6月科学技术与工程Vo1.10No.16June20101671—1815(2010)16—3938-04ScienceTechnologyandEn~neefing⑥2010Sci.Tech.Engng.多传感器ARMA信号观测融合Wiener滤波器崔崇信邓自立(黑龙江科技学院电气与信息工程学院,哈尔滨150027;黑龙江大学电子工程学院,哈尔滨15oo8o)摘要利用现代时间序列分析方法,基于ARMA新息模型,提出了多传感器加权观测融合Wiener信号滤波器。可统一处理信号融合预报、滤波和平滑问题。同集中式观测融合方法和

2、分布式状态融合方法相比,不仅可得到全局最优Wiener信号滤波器,而且可显著地减小计算负担,便于实时应用。一个两传感器位置跟踪系统的仿真例子说明其有效性。关键词现代时间序列分析方法ARMA新息模型加权观测融合Wiener滤波器中图法分类号O211.64;文献标志码A多传感器信息融合技术广泛应用于国防、军事析方法提出了多传感器加权观测融合Wiener信号等高科技领域,例如制导、跟踪、GPS定位、机器人滤波器,避免了求解Ricatti方程,可明显减小计算等。如何在这些信号处理和控制等领域提高信号负担,而且是全局最优的,便于实时应用。滤波的精度,成为了关

3、键的问题。对于具有多个传感器的信号接收系统,在滤波器的设计中运用多传1问题描述感器观测融合方法⋯,可以提高滤波精度。目前有两种方法可以实现多传感器观测融考虑多传感器单通道ARMA信号合_2J,一种是用扩维方法合并观测数据,叫做集中A(q)s(t)=C(q)W(t)(1)式观测融合方法。它的优点是可获得全局最优滤Y(t)=s(t)+(t),i=1,⋯,£(2)波估值,但缺点是计算负担较大。另一种是用加权其中Y(t)为第i个传感器输出(观测),s(t)为待方法合并观测数据,它的优点是不增加观测向量维估信号,(f)为系统的输人白噪声,(f)为观测数,计算

4、负担小,但缺点是要求各传感器有相同的噪声。A(q)和C(q)为单位滞后算子q的多项观测阵。在这种情况下,文献[3]证明了两种方法式,形如X(q一)=0+lq十⋯+q,且首系是功能等价的,即加权观测融合方法同样可获得全数0o=1,Co=0。局最优滤波估值,同时具有显著地减小计算负担的假设1W(t)和(t)是零均值,方差各为:优点。由于信号估值器是在Kalman滤波器基础上和的相互独立白噪声。计算得到的,因而用上述两种方法就可得到全局最假设2(A(q一),C(q))互质,n。≥n。优信号估值器。状态融合也有两种方法,一种是假设3初始时刻t。=一∞。集中

5、式融合方法,它相同于集中式观测融合方法,问题是基于观测(y(t+N),Y(t+Ⅳ一1),⋯)另一种是分布式融合方法,它由局部滤波估值加权求信号s(t)的全局最优加权观测融合Wiener滤波得到融合估计,但该方法一般只能得到次优估器;(tlt+Ⅳ)。对N=0,N>0或N<0,各称其值],且计算负担较大。本文利用现代时间序列分为Wiener滤波器、平滑器、或预报器。201o年3月20日收到国家自然科学基金(60874063)资助由假设1一假设3,式(1)和式(2)有状态空间第一作者简介:崔崇信(1977一),男,黑龙江科技学院讲师,硕士,模型研究方向为

6、信息融合、工业控制。(t+1)=中(t)+Fw(f)(3)l6期崔崇信,等:多传感器ARblA信号观测融合Wiener滤波器3939y(t)=Hx(t)+(t),i=1,⋯,£(4)O(q)和可用Gevers-Wouters算法求得。S(t)=(t)(5)其中规定c=0(i>n),I为xn单位阵。2多传感器加权观测融合Wiener信号滤r一Ⅱ波器I=I;I。一加权融合观测y(£)有稳态最优预报器‘L—n0⋯。H多(tIt+N)=J一,v(q-1)DI1(qI1)y(t+Ⅳ)H=【10⋯0】(6)(17)且Y(t)可看作是对信号s(t)的第个估值,(

7、t)且有预报误差(tJt+N)=Y(t)一多(tIt+Ⅳ)为为相应的估计误差。(tIt+N)=F一Ⅳ(q)(t),N<0(18)由文献[1],系统有加权最优融合观测方程为Y(tIt+N)=0,Ⅳ≥0(19)(t)=(t)+(t)(7)预报误差方差为式(7)中L工y(f)=(∑:)一∑Y(),Py(Ⅳ)=E[(多(£It+Ⅳ))]=∑M,Ⅳ<0l:l1l工(20)()=(∑三)∑(f)(8)P(Ⅳ)=0,Ⅳ≥0(21)最优融合观测方程的观测噪声(t)的方差阵为引理【系统式(1)和式(14)有稳态最优白噪f声Wiener估值器=(∑)(9)D(q)(t

8、It+Ⅳ):(q)a(q)Y(t+Ⅳ)现在我们进一步证明(22):<2(=1,2,⋯,£)(10)事实上,由式(9)有q-

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。