| 两传感器信息融合超前κ步稳态最优Kalman预报器 |
| |
| 引用本文： | 邓自立,高媛.两传感器信息融合超前κ步稳态最优Kalman预报器[J].科学技术与工程,2004,4(5):337-340. |
| |
| 作者姓名： | 邓自立 高媛 |
| |
| 作者单位： | 黑龙江大学自动化系 哈尔滨150080
(邓自立)，黑龙江大学自动化系 哈尔滨150080(高媛) |
| |
| 基金项目： | 国家自然科学基金 ( 60 3 740 2 6)，黑龙江省自然科学基金 (F0 1— 15 )资助 |
| |
| 摘 要： | 应用Kalman滤波方法 ,基于Riccati方程 ,对于带相关噪声的系统 ,在线性最小方差融合准则下 ,提出了两传感器按矩阵加权信息融合超前k步稳态最优Kalman预报器 ,给出了最优加权阵和最小融合预报误差方差阵的具体计算公式。同单传感器情形相比 ,可提高预报器的精度。一个跟踪系统的仿真例子说明了其有效性
|
| 关 键 词： | 两传感器信息融合 信息融合状态估计 超前k步最优融合Kalman预报器 Kalman滤波方法 |
| 文章编号： | 1671-1815(2004)05-0337-04 |
| 修稿时间： | 2004年1月5日 |
Two-sensor Information Fusion k-step-ahead Steady-state Optimal Kalman Predictor |
| |
| DENG Zili,GAO Yuan.Two-sensor Information Fusion k-step-ahead Steady-state Optimal Kalman Predictor[J].Science Technology and Engineering,2004,4(5):337-340. |
| |
| Authors: | DENG Zili GAO Yuan |
| |
| Abstract: | Using Kalman filtering method, based on the Riccati equation, under the linear minimum variance information fusion criterion, the two-sensor information k \|step-ahead steady-state optimal Kalman predictor weighted by matrices is presented for systems with correlated noises, where the optimal weighting matrices ad minimum fused error variance matrix are given. Compared with the single sensor case, the accuracy of the predictor can be improved. A simulation example for a tracking system shows their effectiveness. |
| |
| Keywords: | two-sensor information fusion information fusion state estimation k -step-ahead optimal fusion Kalmar predictor Kalman filtering method |
| 本文献已被 CNKI 维普 等数据库收录！ |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
|
点击此处可从《科学技术与工程》下载全文 |
