• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Globally Optimal Multisensor Distributed Random Parameter Matrices Kalman Filtering Fusion with Applications
【2h】

Globally Optimal Multisensor Distributed Random Parameter Matrices Kalman Filtering Fusion with Applications

机译：全局最优多传感器分布式随机参数矩阵卡尔曼滤波融合及其应用

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper proposes a new distributed Kalman filtering fusion with random state transition and measurement matrices, i.e., random parameter matrices Kalman filtering. It is proved that under a mild condition the fused state estimate is equivalent to the centralized Kalman filtering using all sensor measurements; therefore, it achieves the best performance. More importantly, this result can be applied to Kalman filtering with uncertain observations including the measurement with a false alarm probability as a special case, as well as, randomly variant dynamic systems with multiple models. Numerical examples are given which support our analysis and show significant performance loss of ignoring the randomness of the parameter matrices.
机译：本文提出了一种新的具有随机状态转移和测量矩阵（即随机参数矩阵Kalman滤波）的分布式Kalman滤波融合方法。事实证明，在温和的条件下，所有传感器测量的融合状态估计值都等效于集中式卡尔曼滤波。因此，它可获得最佳性能。更重要的是，该结果可以应用于具有不确定观察结果的卡尔曼滤波，包括特殊情况下具有误报概率的测量以及具有多个模型的随机变异动态系统。给出的数值示例支持我们的分析，并显示出忽略参数矩阵的随机性而导致的重大性能损失。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号