摘要：本文以线性时不变或系统参数预先确定的单传感器系统为对象,研究带有不确定随机无序量测约束下的最优网络化估计问题.基于线性时不变或参数预先确定系统的滤波器系数矩阵离线计算和线性最小方差估计的线性加权求和特性,首先介绍传统Kalman滤波的等价测量值加权求和形式.然后,以该测量值加权求和滤波器为基础,结合布尔二值开关和无序量测直接求和补偿技术,针对两种典型无序量测跟踪系统分别设计全局最优网络化Kalman滤波器.最后,四个仿真例子验证了本文算法的有效性和优越性.

摘要：在网络化多传感器系统中,由于各传感器采集到的量测信息在经网络向融合中心传递的过程中,常会出现各种随时间变化的延迟现象,而处理该类系统融合滤波问题的现有方法又大都难以实现滤波过程实时性与滤波精度最优性的共赢.为此,本文在线性最小均方误差意义下,利用不同时刻状态间的递推关系和噪声估计方法,提出了一种实时、递归、最优的序贯式融合滤波器.首先利用状态间的递推关系,将不同时刻得到的量测信息转化为当前状态的伪量测信息.其次,利用新提出的噪声估计方法求解伪量测方程中增益噪声的估计值和用于滤波器设计的增益矩阵.然后,基于转化后的伪量测信息和求取的滤波增益矩阵实现对系统状态的最优估计.以此方法依次处理该融合周期内到达融合中心的各量测信息,建立起一种实时、递归、最优的序贯式融合滤波器.最后,用计算机仿真来验证新方法的有效性.

摘要：针对船舶相对组合导航过程中常见的通信延迟问题,在最小均方误差意义下发展出一种最优融合滤波方法。首先将各相对测量信息转化为目标船只的伪测量信息,然后按照序贯融合的思想来设计融合滤波算法。运用该算法,不仅能够保证滤波过程的实时性,而且可以保证导航精度的最优性。通过仿真实验,验证了方法的有效性和可行性。

摘要：在船舰组合导航系统中,由于各导航传感器自身物理特性、工作原理的差异,无法同步获得船舰目标的观测信息,因此船舰组合导航问题实质上是一类典型的异步融合估计问题。然而,现有的异步融合估计算法无法兼顾滤波精度的最优性以及滤波过程的实时性。为此,针对舰船稳态运行过程中的线性平稳过程,提出利用模型库设计一种船舰组合导航信息融合的新算法。仿真实验验证了所提方法的有效性,能同时满足实时性和最优性的要求,并且简捷,易于实现。

摘要：泵站群在跨流域调水过程中发挥着重要的作用,对其进行有效控制是保障调水工程顺利进行的必要条件。为了克服传统控制方法的不足,本文提出了一种泵站群网络化控制系统的系统设计模式。着重分析了泵站群网络化控制系统的结构特点和功能特点,并指出了一些网络化控制系统本身所面临的新问题。利用网络化控制系统可以有效地提高泵站群监控系统的自动化水平,加强泵站之间实时的协调,促进水资源的综合调度。

摘要：文章针对这样一类系统:状态方程与观测方程中含有均值为零的高斯噪声且含非零均值的高斯噪声,提出了一种基于系统噪声拆分的滤波算法.首先将状态方程与观测方程分别拆成两个仅含有一个噪声的方程;然后,对两个方程分别进行滤波;最后,进行融合.仿真结果表明相比直接使用卡尔曼滤波方法,系统噪声拆分方法提高了滤波的估计精度.