基于ARMA新息模型的自校正信息融合滤波器

【摘要】： 多传感器信息融合估计作为多源信息综合处理的一项新技术,使用多个传感器对同一目标进行检测,避免了单个传感器的局限性,可以提供更加全面准确的信息,进而合成来自这个目标的多源信息,产生比单一信息源更精确的估计。 对带相关观测噪声和未知模型参数及噪声统计的多传感器系统,用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型,提出了一种多段辨识算法,其中用递推增广最小二乘法(RELS)和Gevers-Wouters(G-W)算法得到未知模型参数在线估值器,用求解相关函数矩阵方程组的方法得到噪声统计在线估值器。对未知噪声统计多传感器系统,在按分量标量加权线性最小方差最优信息融合准则下,分别提出了自校正信息融合Kalman和Wiener滤波器及预报器。对带未知模型参数和噪声统计的单通道ARMA信号,提出了一种自校正信息融合Wiener滤波器。推广了收敛性分析的动态误差系统分析(Dynamic Error System Analysis)方法,其中提出和证明了Lyapunov方程稳定性的两个判别准则,进而证明了上述自校正融合器的收敛性,即自校正融合估值器以概率1收敛于相应的稳态最优融合估值器,因而它们具有渐近最优性。一些跟踪系统的仿真例子说明了其正确性和有效性。