• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Aerospace and Electronic Systems, IEEE Transactions on >Joint Data Association, Registration, and Fusion using EM-KF
【24h】

Joint Data Association, Registration, and Fusion using EM-KF

机译：使用EM-KF进行联合数据关联，注册和融合

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In performing surveillance using a sensor network, data association and registration are two essential processes which associate data from different sensors and align them in a common coordinate system. While these two processes are usually addressed separately, they actually affect each other. That is, registration requires correctly associated data, and data with sensor biases will result in wrong association. We present a novel joint sensor association, registration, and fusion approach for multisensor surveillance. In order to perform registration and association together, the expectation-maximization (EM) algorithm is incorporated with the Kalman filter (KF) to give simultaneous state and parameter estimates. Computer simulations are carried out to evaluate the performances of the proposed joint association, registration, and fusion method based on EM-KF.
机译：在使用传感器网络进行监视时，数据关联和注册是两个必不可少的过程，它们将来自不同传感器的数据关联起来并将它们对齐在一个公共坐标系中。尽管通常分别处理这两个过程，但它们实际上会相互影响。也就是说，注册需要正确关联的数据，而带有传感器偏差的数据将导致错误的关联。我们提出了一种新颖的联合传感器关联，配准和融合方法，用于多传感器监视。为了一起执行配准和关联，期望最大化（EM）算法与卡尔曼滤波器（KF）结合使用，可以同时给出状态和参数估计。进行了计算机仿真，以评估所提出的基于EM-KF的联合关联，注册和融合方法的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

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