ARMA信号分布式信息融合估计

《ARMA信号分布式信息融合估计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、中文摘要中文摘要信号处理问题在通信和控制方面都有广泛的应用。删A(autoregressivemovingavera】驴)信号可广泛应用于时间序列分析、系统建模、反卷积和系统预报等领域。信号估计可作为状态估计的一种特殊形式，例如ARMA信号估计可转化成一个状态分量的估计问题。由于多传感器在时间和空间上能够提供更丰富的信息，因而，多传感器信息融合信号处理技术得到了广泛的研究和应用。本文研究了多传感器多通道ARMA信号信息融合Wiener估值器，多传感器刖孙忪信号信息融合反卷积滤波器，以及带观测滞后舢龇～信号的信息融合估值器。对于多传感器多通道AR

2、MA信号系统，通过将ARMA模型转化成状态空间模型，将信号估计问题转化为状态分量的估计问题，或白噪声估计和输出预报问题。基于线性最小方差加权最优融合算法，利用观测白噪声估值器和输出预报器给出了带相关噪声多通道AM信号的分布式融合Kahnall估值器和Wiener估值器，并且推导了任两个局部估计误差之间的互协方差阵的计算公式。最优加权融合算法将应用于多传感器ARMA信号分布式融合反卷积估值器。通过ARMA模型和状态空间模型之间的转化，将提出基于线性最小方差估计准则的多通道刖处认信号的分布式信息融合反卷积滤波器，并给出任两传感器之间的滤波误差互协方

3、差阵的计算公式。对带多步观测滞后的系统，通过状态增广将带多步观测滞后的系统转化为不带观测滞后的等价系统，然后利用已有的结果进行处理。其次，对带一步观测滞后的系统，通过模型转化为系统噪声和观测噪声在相邻时刻相关的正常系统，利用射影理论可直接获得基于每个传感器的线性最小方差局部估计。然后，推导了任两个局部估计误差之间的互协方差阵的计算公式。最后，基于分布式矩阵加权最优融合估计算法，给出了分布式加权融合KaJman估值器。关键词：ARMA信号；多传感器信息融合；Kalman估值器；反卷积；观测滞后黑龙江大学硕士学位论文AbstractSi印alpro

4、cessinghasawide印plicationincommullicationandcontr01．ARMA(autore掣essiVemoVingaVerage)signalcaIlbeappliedtomany矗eldsincludingtime—seriesanalysis，systemmodeling，deconVolutionandsystempredictioll，锄dsoon．Si印aleStinl撕oncaIlbeaspecialf．o肋ofs饿estimation，suChaSARMAsignalbeingestimate

5、dastllecomponemofastate．SincemultiplesensorscaIlsupplymorei11f-omationintimeaI]ldspace，t}lemulti-sensori甜．0nllationmsiontecllIlologyforsi印alprocessingis而des砌iedand印plied．Inthispaper’westudy也e如sionWienereStimatorsformulti—sensormultichannelARMAsigIlal，t11eir怕nnation血siondecon

6、VolutionfilterforARMAsi朗al，andⅡlemsioneStimatorsforARMAsi朗aJ、ⅣitllmeaSurementdelays．Formulti—sensormultich锄elARMAsignalsyStem，byt11et啪sfomf．romARMAmodelto跏espacemodel，Ⅱlesi驴alestima_tionis把msf．e11redtoestimationoftllecomponemofthestate，orwhjtenoiseeStimationaJldoutputpredict

7、ionproblems．Basedontheopt泌lal、Ⅳei曲Ited如sionalgorimmsinmelinearmimmuInvari锄ceSense，t11eoptiIIlaliI墒m斌ion觚iondistribmedKalm锄estimatorSaIldWienerestirnatorSaregiVenbyapplyingesthatorsof讹tenoisea11dout】putpredictorS．TheeStimationen．0rcross-coVariallcem撕xbetweenaIlyt、V0·sensorSis

8、derived．Adistributedmsiondeconvolutionformultich舢melARMAsi朗alisgiVenbyusing