欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
位置：立项数据库 > 立项详情页
中文摘要：
本项目用独创的现代时间序列分析方法作为方法论，基于自回归滑动平均(ARMA)新息模型和白噪声估计理论，提出多传感器信息融合最优卡尔曼滤波与维纳滤波新理论、新方法和新算法。对含未知噪声统计和模型参数的系统，基于ARMA新息模型参数的在线估计，首创多传感器信息融合自校正卡尔曼滤波与维纳滤波理论和方法，开辟信息融合状态估计领域新的研究方向。该项研究具有重要的理论意义和方法论意义，且在国防、军事、机器人、组合导航、GPS定位、通信、信号处理等领域具有广泛的应用价值。
结论摘要：
应用独创的现代时间序列分析方法，基于自回归滑动平均(ARMA)新息模型，提出了多传感器最优信息融合Kalman滤波和Wiener滤波新理论、新方法和新算法，其中提出了按矩阵、对角阵和标量加权三种最优融合准则，且基于Lyapunov方程或白噪声估计理论提出了计算局部估计误差互协方差公式。对带不同局部模型和相关噪声的多传感器线性离散时变系统，用经典Kalman滤波方法提出了通用的最优信息融合Kalman滤波理论，可处理融合滤波、平滑和预报问题。分别用现代时间序列分析方法和经典的Kalman滤波方法提出了两种不同多传感器信息融合白噪声反卷积估计理论，它们在石油地震勘探中有重要应用背景。对含有未知噪声方差阵的多传感器系统，基于ARMA新息模型的在线辨识，提出了自校正信息融合滤波理论，其中提出了按实现收敛性新概念，并提出了自校正融合器收敛性分析新方法。该项目研究具有重要理论和方法论意义，且可广泛应用于许多领域，包括国防、军事、雷达跟踪、导航、制导、GPS定位、石油地震勘探、通讯、信号处理。关于多传感器目标跟踪系统的大量仿真例子说明了所提出的结果的有效性。
成果综合统计
期刊论文
会议论文
专利
获奖
著作
期刊论文
会议论文
相关项目
邓自立的项目
