自校正信息融合滤波理论及其应用研究

对含未知模型参数和/或未知噪声统计的多传感器线性离散定常随机系统，提出在噪声环境下的多重、多层、多段和融合的在线系统辨识技术，分别用申请者独创的现代时间序列分析方法和经典Kalman滤波方法，提出不同的自校正状态融合和观测融合Kalman滤波理论和分量解耦Wiener滤波理论，以及自校正信息融合输入白噪声信号反卷积滤波理论和随机信号滤波理论。提出自校正融合器收敛性分析理论。不仅用申请者独创的动态误差系统分析(DESA)方法证明它按实现或按概率1收敛于最优融合器，而且还提出动态误差方差系统分析(DEVSA)方法，证明它按均方收敛于最优融合器。因而自校正融合器具有渐近最优性。给出所提出的理论在多传感器目标跟踪系统和石油地震勘探输入白噪声信号反卷积系统中的仿真应用研究。本项目将开辟多传感器信息融合滤波与系统辨识之间的新的边缘领域，具有重要理论意义、方法论意义和应用意义。