您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (6): 59-65.

• 控制科学与工程 • 上一篇    下一篇

有丢包的随机不确定参数系统的最优融合滤波

孙甲冰1,2,张承进1*   

  1. 1.山东大学控制科学与工程学院, 山东 济南 250061; 2. 山东大学威海分校机电与信息工程学院, 山东 威海 264209
  • 收稿日期:2011-03-30 出版日期:2011-12-16 发布日期:2011-03-30
  • 通讯作者: 张承进(1962- ),男,山东莱芜人,教授,博士,博士生导师,主要研究方向为系统辨识与非线性系统控制. E-mail: cjzhang@sdu.edu.cn
  • 作者简介:孙甲冰(1978- ),男,山东潍坊人,讲师,博士研究生,主要研究方向为信息融合与滤波理论.E-mail: sun-jiabing@163.com
  • 基金资助:

    国家自然科学基金资助项目(61174044,61074037)

Optimal fusion filtering for systems with stochastic parametric
uncertainties and packet dropouts

SUN Jia-bing1,2,  ZHANG Cheng-jin1*   

  1. 1. School of Control Science and Engineering, Shandong University, Jinan 250061, China;
    2. School of Mechanical,Electrical & Information Engineering, Shandong University at Weihai, Weihai 264209, China
  • Received:2011-03-30 Online:2011-12-16 Published:2011-03-30

摘要:

研究了有数据丢包的带随机不确定参数的多传感器系统的分布式最优(线性最小方差)融合滤波问题。首先,引入虚拟噪声,将原系统转化为等价的参数确定的有丢包的新系统。然后,进行状态扩维,得到新系统的各子系统的扩维状态的滤波估计、滤波误差方差和滤波误差互协方差。根据扩维状态与原系统状态的关系,求出原系统状态的各局部滤波估计、滤波误差方差和滤波误差互协方差。利用线性最小方差意义下的矩阵加权最优融合算法,得到原系统的分布式矩阵加权最优融合滤波器。理论分析和仿真算例都表明,融合滤波器优于每一个局部滤波器。

关键词: 信息融合, 多传感器系统, 分布式估计, 随机参数不确定, 丢包

Abstract:

The distributed optimal fusion problem for the state estimation of multi-sensor discrete-time systems with stochastic parametric uncertainties and packet dropouts was studied. By introducing fictitious noises, the original system was transformed into an equivalent system without uncertain parameters. For each subsystem of the equivalent system with packet dropouts, the local filtering estimate and the local filtering error covariance were obtained by using the innovation analysis method. After the filtering error cross-covariance matrices between local estimates were obtained, the distributed optimal (i.e., linear minimum variance) fusion filters were developed by the fusion rule weighted by matrices. The simulation example showed that the fusion filter was better than each local filter.

Key words: information fusion, multi-sensor systems, distributed estimation, stochastic parametric uncertainties, packet dropouts

中图分类号: 

  • TP13
[1] 唐乐爽,田国会,黄彬. 一种基于DSmT推理的物品融合识别算法[J]. 山东大学学报(工学版), 2018, 48(1): 50-56.
[2] 周志杰,赵福均,胡昌华,王力,冯志超,刘涛源. 基于证据推理的航天继电器故障预测方法[J]. 山东大学学报(工学版), 2017, 47(5): 22-29.
[3] 赵英弘,何潇,周东华. 一类含有传感器故障的网络化系统容错估计[J]. 山东大学学报(工学版), 2017, 47(5): 71-78.
[4] 孙一冰,付敏跃,王炳昌,张焕水. 大规模动态系统的分布式状态估计算法[J]. 山东大学学报(工学版), 2016, 46(6): 62-68.
[5] 李发权, 杨立才, 颜红博. 基于PCA-SVM多生理信息融合的情绪识别方法[J]. 山东大学学报(工学版), 2014, 44(6): 70-76.
[6] 沈晓晶, 陈明, 池涛. 多Agent水质监控系统中的信息融合算法[J]. 山东大学学报(工学版), 2014, 44(4): 39-45.
[7] 李景辉,杨立才*. 基于多传感器信息融合的人体姿态解算算法[J]. 山东大学学报(工学版), 2013, 43(5): 49-54.
[8] 张玫1,3,符晓玲2,崔鹏1. 带有乘性噪声的时滞系统多传感器信息融合[J]. 山东大学学报(工学版), 2010, 40(6): 17-23.
[9] 杨立才,叶杨,聂红涛,刘慧慧,林洁 . 基于免疫模糊聚类RBF网络的交通信息融合算法[J]. 山东大学学报(工学版), 2008, 38(5): 1-5 .
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!