李恒,韩波，2, 王戴木, 赵正平,李怀敏

(1.阜阳师范学院 计算机与信息工程学院，安徽 阜阳 236037；2.东南大学 毫米波国家重点实验室，南京 210096)



对于带未知噪声的多传感器系统信息融合辨识算法*

李恒1,韩波1，2, 王戴木1, 赵正平1,李怀敏1

(1.阜阳师范学院 计算机与信息工程学院，安徽 阜阳 236037；2.东南大学 毫米波国家重点实验室，南京 210096)

对于一个带未知噪声的多传感器系统，当各种噪声方差和噪声之间的协方差都不为0时，提出了一种基于自回归滑动平均(ARMA)模型的多段辨识算法.使用该算法可以得到对系统未知参数和未知噪声方差和协方差的无偏估计，并且证明了估计的收敛性.并通过一个Matlab仿真例子对算法的有效性做出了证明.

多传感器系统；未知噪声；自回归滑动平均模型；噪声方差；噪声协方差

多传感器信息融合在通信、目标跟踪、目标识别等领域中得到广泛应用[1].利用Kalman滤波等工具在被噪声污染了的观测信息中提取有用信号被称为最优滤波理论[2].在最优滤波理论中，通常要求已知系统的精确参数和精确的噪声统计信息[3].而在实际应用中，系统参数和噪声统计往往是部分未知或者完全未知的[4].对于带未知噪声的系统，如果利用Kalman滤波理论构造自校正估值器，需要在线辨识系统噪声统计和未知参数[5].自回归滑动平均模型(ARMA模型)是自动控制领域的重要模型，在实际控制领域有着广泛应用，很多实际问题通常可以用ARMA模型表示[6].文献[7～9]提出了对于带噪声的ARMA模型的多段辨识算法，这些算法都比较相似，在文献[7]中概况为：第一段，用最小二乘法及推广方法得到对AR(自回归)参数的局部和全局融合估值；……