多传感器最优和自校正加权融合滤波算法研究

本项目将对带未知常输入和未知模型参数(或未知噪声统计)的多传感器离散线性随机系统，基于受控自回归滑动平均(CARMA)模型，提出在噪声环境下未知常输入、未知模型参数和未知噪声统计的多段辨识技术；将在最优融合准则下，提出最优加权状态融合算法与最优降维加权观测融合算法。进而，应用现代时间序列分析方法，提出通用的最优和自校正加权融合Kalman滤波理论和白噪声信号反卷积滤波理论。并基于动态误差系统分析(DESA)方法，对所提出的自校正融合器进行收敛性分析。给出所提出的理论在石油地震勘探输入白噪声反卷积系统中的仿真应用研究。所得结果在石油地震勘探、通讯、信号处理、控制等领域具有广泛的应用价值和应用前景。

本项目提出了未知常输入和未知模型参数(或未知噪声统计)的多段辨识技术；提出了最优加权状态融合算法与最优降维加权观测融合算法。进而，提出了通用的最优和自校正加权融合Kalman滤波理论和白噪声信号反卷积滤波理论。并基于动态误差系统分析(DESA)方法，对所提出的自校正融合器进行收敛性分析。给出所提出的理论在石油地震勘探输入白噪声反卷积系统中的仿真应用研究。所得结果在石油地震勘探、通讯、信号处理、控制等领域具有广泛的应用价值和应用前景。