噪声相关多传感器系统的微观EKF融合算法

被引：2

作者：

徐小良 ^{[1
]}

张浩 ^{[1
]}

汤显峰 ^{[2
]}

机构：

[1] 杭州电子科技大学计算机学院

[2] 浙江大学现代技术教育中心

来源：

清华大学学报(自然科学版) | 2012年 / 52卷 / 09期

关键词：

数据融合; 扩展Kalman滤波; 噪声相关; 矩阵求逆引理; 矩阵相似变换;

D O I：

10.16511/j.cnki.qhdxxb.2012.09.010

中图分类号：

TP212 [发送器（变换器）、传感器];

学科分类号：

080202 ;

摘要：

集中式融合滤波对于噪声相关非线性多传感器系统很重要。首先,在扩展Kalman滤波器(EKF)的基础上,利用矩阵求逆引理推导出噪声相关的EKF的一种信息滤波器形式;然后,根据矩阵相似变换理论将其等价分解为具有局部通信的微观滤波器形式。与现有的集中式融合算法相比,新方法保持了相同融合精度的同时,还具备了部分信息滤波器的优良数值计算特点。最后,通过理论分析和计算机仿真相结合的方法来验证了新算法的有效性。

引用

页码：1199 / 1204

页数：6

共 10 条

[1]

多源信息融合[M]. 清华大学出版社 , 韩崇昭,朱洪艳,段战胜等著, 2006

[2]

非线性系统的滤波融合算法研究[D]. 李文斌.杭州电子科技大学 2011

[3]

Distributed Kalman filter with embeddedconsensus filters. Olfati-saber R. Proc of the 44th IEEE Conference onDecision and Control,and the European Control Conference . 2005

[4]

A comparison of discrete linear filteringalgorithms. Bierman G J. IEEE Transactions on Aerospace andElectronic Systems . 1973

[5]

Nonlinear Filters:Beyond the Kalman Filter. Daum F E. IEEE Aerospace and Electronic Systems Magazine . 2005

[6]

Optimal Kalman filtering fusion with cross-correlated sensor noises. Song E,Yunmin Zhu,Zhou Jie. Automatica . 2007

[7]

Nonlinear estimation and multiple sensor fusion using unscented information filtering. D. J. Lee. IEEE Signal Processing Letters . 2008

[8]

Optimal Filtering. Anderson B D O,Moore J B. . 1979

[9]

Dynamic Soil-Structure Interaction. John P Wolf. . 1985

[10]

A new approach to linear filtering and prediction problems. R. E. Kalman. ASME Journal of Basic Engineering, Ser. D . 1960

← 1 →