段广全 孙书利

近年来,多传感器信息融合技术得到广泛关注.经典Kalman滤波需要已知模型参数和噪声统计特性[1].而在实际应用中,系统可能会出现模型参数或噪声统计特性未知情况.文献[2−4]研究了带未知噪声方差系统的自校正估计问题.文献[5]和[6]研究了模型参数和噪声方差未知系统的自校正融合估计问题.文献[7]针对带未知模型参数和噪声统计特性且噪声相关的多传感器系统,分别应用RELS算法、Gevers-Wouters算法对未知模型参数和噪声统计特性进行辨识,并提出了自校正融合估值器.文献[5−7]中在对未知模型参数进行融合处理时,采用加权平均方法获得最终融合辨识器.该方法没有考虑不同传感器的局部参数辨识的差异,不能保证融合后的参数估计精度都优于每个局部参数估计.上述文献所提出的辨识和估计算法都是基于完整的传感器观测数据,而没有考虑数据的不完整现象.

在实际的网络化系统或传感器网络中,由于传感器老化或故障、以及传感器的观测数据在通信传输过程中由于带宽有限,可能会出现数据丢失、衰减、延迟等问题,使得估值器所收到的传感器数据具有不完整现象[8].文献[9]研究了带多丢包系统的最优估计问题.文献[10]将文献[9]的单传感器系统推广到了多传感器系统,对带有不同丢包率的多传感器系统,提出了集中式和分布式融合估值器.文献[11−14]考虑数据在传输过程中存在的丢失和延迟现象,设计了相应……