內(nèi)容簡介: 《魯棒融合估計理論及應(yīng)用》系統(tǒng)地介紹了由鄧自立教授等提出的混合不確定多傳感器網(wǎng)絡(luò)化系統(tǒng)的魯棒融合估計新方法、新理論及應(yīng)用。新方法包括基于虛擬噪聲技術(shù)和廣義Lyapunov方程的極大極小魯棒融合Kalman濾波方法和改進的協(xié)方差交叉融合魯棒Kalman濾波方法。新理論包括通用的極大極小魯棒融合Kalman濾波理論;通用的協(xié)方差交叉融合魯棒Kalman濾波理論;魯棒融合白噪聲反卷積濾波理論;魯棒融合估值器按實現(xiàn)收斂性理論。內(nèi)容包括局部、集中式和分布式融合,狀態(tài)融合與觀測融合,加權(quán)融合,協(xié)方差交叉融合魯棒Kalman估值器,以及它們的魯棒性分析、精度分析、收斂性分析和算法復(fù)雜性分析。
《魯棒融合估計理論及應(yīng)用》反映了魯棒融合估計領(lǐng)域的新研究成果,并含有大量仿真應(yīng)用例子,可作為高等學(xué)校信息科學(xué)與技術(shù)和控制科學(xué)與工程有關(guān)專業(yè)研究生的教材或參考書,且對在信號處理、控制、航天、深空探測、導(dǎo)航、制導(dǎo)、目標跟蹤、無人機、機器人、衛(wèi)星定位、遙感、移動通信、石油地震勘探等領(lǐng)域從事不確定網(wǎng)絡(luò)化系統(tǒng)魯棒融合估計理論及應(yīng)用的科研和工程技術(shù)人員也有重要參考價值。
前言
1960年美國學(xué)者R.E.Kalman創(chuàng)立了基于時域狀態(tài)空間模型和投影理論的最優(yōu)遞推濾波(Kalman濾波)理論。由于濾波算法是遞推的,便于實時應(yīng)用,因而立刻受到工程界的重視。它已被成功且廣泛地用于包括阿波羅登月計劃和C-5A飛機導(dǎo)航系統(tǒng)設(shè)計等許多領(lǐng)域,成為信號處理和系統(tǒng)狀態(tài)估計的基本工具。
但是經(jīng)典最優(yōu)Kalman濾波局限性是要求假設(shè)系統(tǒng)的數(shù)學(xué)模型(包括模型參數(shù)和噪聲方差)是精確已知的。然而在許多實際應(yīng)用問題中,由于建模誤差或未建模動態(tài)、隨機干擾等原因,系統(tǒng)不可避免地存在建模不確定性。所謂不確定性是指對系統(tǒng)了解不全面,只知道不準確的、片面的或不完整的信息。對確定參數(shù)的隨機擾動(乘性噪聲)稱為隨機的參數(shù)不確定性,而噪聲方差的不確定性可用確定的不確定性來描寫,即它是不確定的,但有已知確定的保守上界。對不確定系統(tǒng)應(yīng)用經(jīng)典Kalman濾波器將引起濾波性能變壞,甚至導(dǎo)致濾波發(fā)散。因此,近20年來對不確定系統(tǒng)的魯棒濾波理論的研究受到特別關(guān)注。它的目的是設(shè)計一個固定的濾波器,對所有容許(可能)的不確定性,其實際濾波誤差方差都滿足期望的性能(例如有最小上界,或滿足預(yù)置的精度指標等)。這種濾波器稱為魯棒濾波器,這種保持期望性能的不變性稱為魯棒性(Robustness)或穩(wěn)健性。穩(wěn)寓意不變,而健寓意保持。中國古代孫子兵法中軍事謀略以靜待嘩就體現(xiàn)了穩(wěn)健性。這是指處變不驚,靜觀其變,用鎮(zhèn)定法對付敵軍的躁動。魯棒性是指系統(tǒng)的某種性能在不確定干擾下的不變性。
魯棒濾波器具有以不變應(yīng)萬變的性質(zhì)。所謂以不變是指濾波器保持期望的性能不變,應(yīng)萬變是指對所有容許的不確定性。魯棒性也可形象地比喻為任憑風(fēng)浪起,穩(wěn)坐釣魚船。任憑風(fēng)浪起是指所有容許的不確定性,穩(wěn)坐釣魚船是比喻濾波器保持期望的性能不變,不受不確定性影響。用集合論觀點解釋,例如對帶不確定乘性噪聲、過程噪聲和觀測噪聲方差系統(tǒng),對每一組容許的噪聲方差,都規(guī)定了系統(tǒng)的一個數(shù)學(xué)模型,相應(yīng)于所有容許的不確定噪聲方差,不確定系統(tǒng)可用相應(yīng)的一族數(shù)學(xué)模型(模型的集合)來描寫。因此,魯棒濾波的研究對象不是一個數(shù)學(xué)模型,而是由不確定性引起的一族數(shù)學(xué)模型。這從本質(zhì)上區(qū)別于經(jīng)典Kalman濾波。經(jīng)典Kalman濾波的研究對象是一個精確已知的數(shù)學(xué)模型。設(shè)計魯棒濾波器的目的是設(shè)計一個固定的濾波器,使其對這個模型族中的每一個數(shù)學(xué)模型,都有相應(yīng)的實際濾波誤差方差滿足期望的性能。
目錄
第1章 緒論
1.1 引言
1.2 多傳感器最優(yōu)信息融合Kalman濾波
1.2.1 集中式融合與分布式融合方法
1.2.2 狀態(tài)融合與觀測融合方法
1.3 不確定系統(tǒng)魯棒Kalman濾波
1.3.1 系統(tǒng)的不確定性
1.3.2 噪聲方差不確定性
1.3.3 模型參數(shù)不確定性
1.3.4 系統(tǒng)觀測不確定性
1.3.5 魯棒性
1.4 魯棒Kalman濾波方法
1.4.1 Riccati方程方法
1.4.2 線性矩陣不等式(LMI)方法
1.4.3 極大極小魯棒濾波方法
1.4.4 最優(yōu)魯棒濾波方法
1.4.5 協(xié)方差交叉(CI)融合魯棒Kalman濾波方法
1.5 魯棒Kalman濾波研究現(xiàn)狀
1.5.1 僅含不確定噪聲方差系統(tǒng)魯棒Kalman濾波
1.5.2 僅含范數(shù)有界不確定參數(shù)系統(tǒng)魯棒Kalman濾波
1.5.3 僅含乘性噪聲系統(tǒng)魯棒Kalman濾波
1.5.4 混合不確定網(wǎng)絡(luò)化系統(tǒng)最優(yōu)魯棒Kalman濾波
1.5.5 混合不確定網(wǎng)絡(luò)化系統(tǒng)極大極小魯棒融合Kalman濾波
1.6 極大極小魯棒融合估計理論及應(yīng)用、方法論、主要貢獻和創(chuàng)新
1.6.1 本書最新研究成果
1.6.2 主要貢獻和創(chuàng)新
1.7 面臨的挑戰(zhàn)性問題
參考文獻
第2章 最優(yōu)估計方法
2.1 WLS估計方法
2.2 LUMV估計方法
2.3 LMV估計方法正交投影方法,新息分析方法
2.4 最優(yōu)加權(quán)狀態(tài)融合估計方法
2.4.1 按矩陣加權(quán)最優(yōu)狀態(tài)融合估計方法
2.4.2 按標量加權(quán)最優(yōu)狀態(tài)融合估計方法
2.4.3 按對角陣加權(quán)最優(yōu)狀態(tài)融合估計方法
2.5 最優(yōu)加權(quán)觀測融合估計方法
2.5.1 加權(quán)觀測融合數(shù)據(jù)壓縮準則
2.5.2 加權(quán)觀測融合算法
2.5.3 加權(quán)觀測融合算法的全局最優(yōu)性
參考文獻
……
第3章 最優(yōu)Kalman濾波
第4章 魯棒融合Kalman濾波新方法和關(guān)鍵技術(shù)
第5章 不確定系統(tǒng)改進的CI融合魯棒Kalman估值器
第6章 帶混合不確定性網(wǎng)絡(luò)化系統(tǒng)加權(quán)狀態(tài)融合魯棒Kalman估值器
第7章 不確定多模型系統(tǒng)加權(quán)狀態(tài)融合魯棒Kalman估值器
第8章 帶乘性噪聲和丟包的混合不確定網(wǎng)絡(luò)化系統(tǒng)魯棒Kalman濾波
第9章 帶乘性噪聲和丟失觀測的混合不確定網(wǎng)絡(luò)化系統(tǒng)魯棒融合器
第10章 混合不確定系統(tǒng)魯棒融合白噪聲反卷積
第11章 混合不確定網(wǎng)絡(luò)化系統(tǒng)保性能魯棒融合穩(wěn)態(tài)Kalman濾波