多传感器系统信息融合多段辨识算法研究.pdf

法或递推辅助变量法得到对参数的局部估值,并采用平均局部的方法中文摘要信号系统辨识算法,把多传感器信息融合理论和系统辨识理论结合起来,从而达声、白色公共干扰噪声的模型,带白色观测噪声、有色公共干扰噪声的分别提出多段辨识算法。在每一种辨识算法中,首先用递推增广最小二乘得到融合估值。接着对于不同的情形,使用了相关函数法、,是指通过综合多传感器或多源信息,从而得到关于系统的更完备、更精确的结论。多传感器信息融合估计是多传感器信息融合的一个重要分支,它利用多个传感器对目标进行检测,从而可以提供比基于单个传感器所得到的局部估计更加精确的融合估计。系统辨识是现代控制理论的一个重要分支,是指通过系统的输入输出确定系统的数学模型。在经典系统辨识理论中,存在两个局限性:一是在大多数情形下没有考虑观测噪声,二是仅考虑单传感器情形。针对经典系统存在的上述两个局限性,本文研究带观测噪声的多传感器到提高辨识精度的目的。有重要的理论和实际意义。本文对于带白色观测噪声、白色公共干扰噪声的模型,带有色观测噪模型,以及反卷积系统模型,在含有未知模型参数和噪声方差的情形下,算法与最乘法,得到对噪声方差和参数的局部估值。然后采用平均局部的方法得到模型参数和噪声统计的融合估值。对于每一种模型,均证明了融合估计的收敛性。大量仿真例子说明上述算法的有效性。关键词:多传感器信息融合;系统辨识;模型;多段辨识算法:收敛性
,.;,..嘶猻黑龙江大学硕士学位论文.,,.⑽鰉,,’:铀℃,,/鹥.【瓵,
,,,籄;,;..
《朔ê拖喙睾ǖ乃惴ā本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯情形咨ü鄄庠肷陀猩üü哺扇旁肷腁P汀.Ⅳ.中文摘要第滦髀课题研究背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。课题研究的目的和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯国内外同类课题的发展和现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本课题研究的主要问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第麓咨üü哺扇旁肷腁藕哦喽涡畔⑷诤媳媸端惴引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。情形咨ü鄄庠肷桶咨üü哺扇旁肷腁P汀情形咨ü鄄庠肷桶咨üü《朔ā⑾喙睾ê虶甒的算法情形咨ü鄄庠肷腁P汀仿真例子⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第麓猩üü哺扇旁肷腁藕哦喽涡畔⑷诤媳媸端惴引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.情形咨ü鄄庠肷陀猩üü《朔ê《朔ê《朔ā⑾喙睾ê虶甒的算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯..⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯.⋯.黑龙江大学硕士学位论文.Ⅱ.........⋯.
情形咨ü鄄庠肷陀猩üü哺扇旁肷腁P汀仿真例子⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.萃聘ㄖ淞孔钚《Ⅺ法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..诘萃圃龉阕钚《朔ā⑾喙睾ê《朔ê《朔ê拖喙睾ǖ乃惴ā仿真例子⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第麓猩ü鄄庠肷腁藕哦喽涡畔⑷诤媳媸端惴引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.情形猩ü鄄庠肷桶咨üü⋯⋯⋯⋯⋯⋯⋯⋯情形猩ü鄄庠肷桶咨üü《朔ā⑾喙睾ê虶甒的算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.诘萃圃龉阕钚《朔ê拖喙睾ǖ乃惴ā第路淳砘低车亩喽伪媸端惴引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.情形咨ü《朔ā⑾喙睾ê虶甒的算法情形咨ü鄄庠肷桶咨üü哺扇旁肷腁藕欧淳砘P目’录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯..⋯...⋯...⋯....⋯...⋯⋯.⋯..⋯⋯.....⋯⋯......⋯⋯⋯......⋯⋯.⋯⋯...⋯.⋯⋯...⋯.⋯⋯..⋯...
.诘萃聘ㄖ淞孔钚《朔ê拖喙睾ǖ乃惴ā仿真例子⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.Ⅵ.本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯结论⋯.参考文献致谢攻读学位期间发表的学术论文独创性声明黑龙江大学硕士学位论文
第滦髀课题研究背景就工业过