论文部分内容阅读
多传感器信息融合技术作为快速发展的边缘学科,其使用多个传感器同时对同一目标进行测量,避免了在单个传感器测量时,所造成的局限性和不可靠性,得到更加精确的信息。信息融合得到了越来越广泛的应用,其应用领域遍及军用和民用的各个方面。反卷积是应用系统的观测来估计系统的输入信号,广泛应用在信号处理、通讯和控制、图像恢复、语音识别、地震学、无损探伤等领域。多传感器信息融合技术在反卷积中的应用,有效的提高了线性随机系统的输入估计的精度和可靠性。对ARMA信号反卷积滤波问题,本文提出基于现代时间序列分析方法,应用自回归滑动平均模型与状态空间模型之间的转化关系作为桥梁,在模型转换过程中,将输入信号包含到状态中,同时也将时滞嵌入到状态转移阵中,使得信号的反卷积问题转变为对状态滤波的处理方法。提出两种模型转换算法,并验证了两种算法的等价性。应用Gevers-Wouters算法将时滞系统模型转换为ARMA信息模型,应用现代时间序列分析方法得到局部和融合Wiener形式的反卷积滤波器。对带公共有色噪声、不同白色观测噪声、相同时滞的ARMA信号多传感器反卷积系统,提出加权观测信息融合反卷积Wiener滤波器和标量加权信息融合反卷积滤波器;对带不同有色噪声、不同白色观测噪声、不同时滞的ARMA信号的多传感器反卷积系统提出标量加权信息融合反卷积Wiener滤波器。对带时滞和有色观测噪声的ARMA信号,提出ARMA信号标量加权融合Wiener滤波器。若干的仿真例子验证了推导结果的有效性和正确性。