带未知模型参数的自校正集中式融合信息滤波器  

Self-tuning Centralized Fusion Information Filter with Unknown Model Parameters

作　　者：刘文强[1] 陶贵丽[1,2] 邓自立[2] 

机构地区：[1]黑龙江科技学院,哈尔滨150027 [2]黑龙江大学,哈尔滨150080

出　　处：《科学技术与工程》2010年第33期8113-8118,共6页Science Technology and Engineering

基　　金：国家自然科学基金(60874063);黑龙江省教育厅科学技术研究项目(11553101);黑龙江科技学院引进人才启动基金(07-48)资助

摘　　要：对于带未知模型参数和噪声统计的多传感器系统,通过系统辨识方法,能够获得模型参数和噪声统计的在线估值,然后把它们代入到基于信息矩阵的最优集中式融合滤波器,得到自校正集中式融合Kalman滤波器。应用动态误差系统分析(DESA)方法,证明了自校正集中式融合Kalman滤波器收敛于最优集中式融合Kalman滤波器,因此它有渐近全局最优性。应用于信号处理的仿真例子说明了其有效性。For the multisensor systems with unknown model parameters and noise variances,by the system identification method,the online estimators of model parameters and noise variances can be obtained,and then substituting them into the optimal centralized fusion filter based on the information matrix,a self-tuning centralized fusion Kalman filter is presented.Using the dynamic error system analysis（DESA） method,it is proved that the selftuning centralized fusion Kalman filter converges to the optimal centralized fusion Kalman filter,so that it has asymptotic global optimality.A simulation example applied to signal processing shows its effectiveness.

关 键 词：多传感器信息融合 KALMAN滤波 噪声方差估计 收敛性 动态误差系统分析方法 

分 类 号：O211.64[理学—概率论与数理统计]