观测滞后系统分布式Wiener滤波器的ARMA模型融合方法

本文主要探讨了多传感器观测滞后系统中的信息融合问题，通过应用现代时间序列分析方法，特别是基于自回归移动平均（ARMA）模型。研究者针对存在观测滞后的复杂系统，提出了一个渐近稳定的分布式Wiener滤波器设计策略。这种滤波器的关键创新在于，它巧妙地将带有观测滞后的系统滤波和融合问题转化为了无观测滞后系统的不同步预测融合问题，从而简化了处理过程。 在设计过程中，作者首先构建了观测滞后系统的输出预报器，这是一种关键组件，用于预测系统输出，即使在存在观测滞后的情况下也能确保信息的有效传递。同时，他们还设计了一个白噪声估值器，用于估计噪声的特性，这对于滤波器性能的优化至关重要。 文章的核心贡献在于推导出了任两个带有观测滞后传感器子系统之间不同步预测误差的互协方差阵，这个矩阵对于理解和评估各个子系统间信息融合的效果具有重要意义。互协方差阵的精确计算有助于实现有效的数据融合，提高系统的整体性能。 为了验证这一方法的有效性和实用性，作者通过仿真实例进行了深入的测试。结果显示，该分布式Wiener滤波器在处理观测滞后系统时，不仅能够保持滤波器的稳定性，而且在多传感器环境下展现出良好的信息融合能力和鲁棒性，尤其是在减轻计算负担、故障检测和隔离方面，分布式架构显示出明显的优势。 这篇文章在时滞系统状态估计和多传感器信息融合领域做出了有价值的贡献，特别是在减少复杂性、提高滤波器稳定性和分布式处理能力方面，为实际应用提供了新的设计思路和技术工具。随着信息技术的不断发展，这种方法可能在远程监控、自动驾驶等领域得到广泛应用。