1) fusion state propagator
融合状态递推器
1.
A new fault detection approach using a fusion state propagator to predict the measurement of each local sensor is presented to detect sensor failures for the federated filtering structure.
该方法利用融合状态递推器对各个子传感器的量测预报与各传感器量测之间的偏差构造统计量,进行故障检测,可以实现先检测后滤波,在子滤波器启动之前确定对应传感器量测的有效性。
2.
A new fault detection method using a fusion state propagator to predict the measurement of each local sensor is presented to detect sensor failures for the federated filter.
基于融合状态递推器对各个子传感器的量测预报,本文提出了一种新的联邦滤波器传感器故障检测方法。
2) state propagator
状态递推器
1.
Advanced residual chi-square test method based on state propagator
基于状态递推器的改进型残差χ~2检测法
2.
For the disadvantage of tracking the soft failure of the residual test based on Kalman filter, this paper makes an improvement on the method by using the state propagator.
针对基于卡尔曼滤波器的残差检验法会跟踪软故障的局限性,提出了一种基于状态递推器的改进方法。
3) recursive fusion
递推融合
1.
An optimal recursive fusion algorithm that can process various correlated local estimates is derived by using recursive fusion technique in minimizing the trace of the estimated error covariance matrix.
以噪声相关和传输存在短时滞的传感器网络融合系统为研究对象,利用递推融合技术,在误差协方差阵迹最小的意义下,推导出一种能处理各种局部估计相关的最优递推融合算法。
4) state fusion
状态融合
1.
All kinds of implement methods and techniques on state fusion and attribute fusion in the first-level fusion are summarized and analyzed in detail.
介绍了数据融合概念及其功能结构,分析了一级融合中的状态融合、属性融合的各种实现方法和技术,提出每种方法的适用范围及其优点与不足,为数据融合的理论研究和工程实践提供了一定的建设性意见。
2.
Radar chain objective state fusion in present radar intelligence automatic system has some problems such as trace discontinuation and low-usage intelligence.
针对目前雷达情报自动化系统中雷达网目标状态融合存在航迹不连续、情报信息利用率低等问题,综合 运用了神经网络和军事运筹学理论和方法,给出了一种用于雷达网目标状态融合的算法。
6) recursive weighted fusion
递推加权融合
补充资料：递推估计算法
利用时刻t上的参数估计孌(t)、存储向量嗘(t)与时刻 t+1上测量的输入和输出值u(t+1)和y(t+1)计算新参数值孌(t+1),再根据孌(t+1)计算出新参数值孌(t+2)，直到获得满意的参数值为止。这种算法的每一步计算量都比较小，能够使用小型计算机进行离线或在线参数估计，可以估计时变参数，也可以实时估计适应控制器的参数（见适应控制系统）。20世纪60年代，递推估计算法得到迅速发展，到了70年代产生了许多不同的方法，例如，有离线方法的各种变形、卡尔曼滤波法、随机逼近方法和模型参考适应参数递推估计法等。递推估计算法的各种方法可以用一个统一的公式来描述：
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条