论文部分内容阅读
信号处理问题在通信科控制领域都有广泛的应用.ARM A (autoregressive mov-ing average)信号在系统建模,时间序列分析,系统预报与反卷积等问题中有广泛的应用背景.然而实际当中传感器由于硬件设施老化、环境的影响及通信网络的不可靠性等诸多因素存在观测的不确性(这种每个传感器观测的不确定性可以通过一个Bernoulli分布的随机变量描述).从而导致常规的估值算法在存在观测数据丢失的情况下失去最优性.研究具有不确定观测ARMA信号的估值问题无论在理论上还是实践应用中都具有重要的意义.本文讨论了具有不确定观测多传感器ARMA信号的分布式信息融合算法,包括状态空间法分布式信息融合估计、具有不确定观测传感器观测噪声估计法分布式信息融合估计,以及非增广法分布式信息融合估计.将具有不确定观测ARMA信号模型转化成具有不确定观测状态空间模型,利用射影原理给出状态变量的局部最优估值器(滤波器、预报器和平滑器)和系统噪声的估值器(滤波器和平滑器).从而获得ARMA信号的最优估值器(滤波器、预报器和平滑器),给出任意两个不同子系统信号的估值误差互协方差阵.基于线性最小方差最优加权信息融合估计准则给出具有不确定观测多传感器ARMA信号的矩阵加权,分量按标量加权和标量加权估计.利用射影原理在状态空间模型下对于具有不确定观测的ARMA信号子系统传感器的观测噪声进行估计,通过存在数据丢失问题的观测方程直接获得ARMA信号的滤波器和平滑器,在此基础上计算任意两个不同子系统信号估值误差的互协方差阵.基于线性最小方差最优加权信息融合估计准则给出具有不确定观测多传感器ARMA信号的矩阵加权,分量按标量加权和标量加权估计.直接利用射影定理对于ARMA信号方程在具有不确定观测子传感器的观测数据所构成的线性流形上取投影.通过历史信号和系统噪声的估计获得局部滤波器.并推导任意两个不同子系统信号滤波误差的互协方差阵.基于线性最小方差最优加权信息融合估计准则给出具有不确定观测多传感器ARMA信号的矩阵加权,分量按标量加权和标量加权滤波.