针对带未知模型参数和衰减观测率的多传感器随机系统，应用递推增广最小二乘算法和相关函数分别对未知模型参数、描述衰减观测现象的随机变量的数学期望和方差进行在线实时辨识，提出了线性无偏最小方差矩阵加权融合模型参数辨识器。将实时辨识的模型参数、数学期望和方差代入到最优局部和融合状态估计算法中获得了相应的自校正状态滤波算法。利用动态误差系统分析方法证明了自校正状态滤波器收敛于最优状态滤波器。

图1  未知参数估计

图2  期望辨识

图3  方差辨识

图4  状态分量1的自校正融合滤波值

图5  状态分量1的局部、融合最优与自校正滤波误差方差

图1-3分别给出了未知模型参数融合辨识结果以及描述不同传感器中数据衰减的随机变量的数学期望和方差的辨识结果。由图可知随着时间的增长, 辨识结果收敛于真值。图4为自校正融合滤波器，图5为局部与融合最优与自校正滤波误差方差的比较图。由图可知自校正局部与融合估计具有渐近最优性。