多传感器多速率采样系统分布式异步融合估计

本项目将应用估计理论和信息融合技术，研究多传感器多速率采样系统的分布式异步融合估计问题。针对状态、观测和融合估计具有不同速率的多传感器系统，利用连续系统的离散化，考虑异步采样局部估计的相关性，提出分布式异步融合最优与次优估计新算法。针对传感器观测数据传输滞后引起的非顺序量测，以及可能存在的数据丢失情况，考虑噪声的相关性以及局部估计的相关性，设计在非完整信息下的分布式异步信息融合状态估计新算法。针对基于不同传感器异步采样的局部估计在传输到融合中心的过程中可能存在的随机滞后和丢失情况，将提出分布式异步融合状态估计新算法。与集中式处理方法相比，所提出的分布式异步融合新算法将具有计算负担小和可靠性好等特点。多传感器异步融合在实际中是普遍存在的，也是比同步采样融合更切合实际的。可广泛应用于目标跟踪、组合导航、医疗诊断和工业监测等领域。因而，研究分布式异步融合估计具有重要的理论意义和实际应用价值。

在工程应用中，为了获得感兴趣目标在时间和空间更丰富的信息，不同的传感器往往具有不同的采样率。同时，在网络化系统中，数据传输滞后和丢包往往带来数据处理中心所接收到的数据具有非顺序性和不完整性。这些都涉及数据的异步融合处理问题。本项目应用估计理论和信息融合技术，研究了多传感器系统的分布式异步融合估计问题。针对多速率多传感器系统，提出了分布式异步融合最优和次优估计新算法。针对传感器观测数据传输滞后引起的非顺序量测和可能存在的数据丢失情况，建立了新的模型描述，并设计了在非完整信息下的线性最小方差最优状态估值器、H无穷状态估值器和多传感器分布式信息融合状态估值器。针对不同传感器异步采样同步化过程中可能存在的噪声相关问题，以及乘性噪声和网络带宽约束等不确定性问题，提出了信息融合状态估计新算法。针对一般的多传感器非线性系统提出了通用的观测加权融合估计算法。所提出的分布式异步融合算法具有计算负担小和可靠性好等特点。可广泛应用于目标跟踪、组合导航、医疗诊断和工业监测等领域。可为工程人员提供理论依据和技术支持。因而，本项目的研究具有重要的理论意义和实际应用价值。共发表学术论文46篇，其中SCI收录20篇。代表性成果发表在了国际重要刊物《IEEE Transactions on Automatic Control》和国家一级学报《自动化学报》等上。培养博士4人，硕士15人。