不受约束的全局最优加权观测融合估计.pdf

不受约束的全局最优加权观测融合估计.pdf

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
不受约束的全局最优加权观测融合估计

22 2010 ,46 (24 ) Computer Engineering and Applications 计算机工程与应用 不受约束的全局最优加权观测融合估计 1,2 1 2 王 欣 ,朱齐丹 ,孙书利 1,2 1 2 WANG Xin ,ZHU Qi-dan ,SUN Shu-li 1.哈尔滨工程大学 自动化学院,哈尔滨 150001 2.黑龙江大学 自动化系,哈尔滨 150080 1.College of Automation ,Harbin Engineering University ,Harbin 150001,China 2.Department of Automation ,Heilongjiang University ,Harbin 150080,China E-mail :hdwangxin@ WANG Xin ,ZHU Qi-dan ,SUN Shu-li.Unconstrained global optimal weighted measurement fusion estimation.Computer Engineering and Applications ,2010 ,46 (24 ):22-25. Abstract :A weighted measurement fusion estimation algorithm ,not constrained by whether each sensor measurement matrix is the same or not or whether measurement noises are correlated or not ,is presented by using full-rank decomposition of ma- trix and weighted least squares theory.It is proved that the estimation result is equivalent to central fusion Kalman estima- tion result every moment every time ,so it has the global optimality ,which can obviously reduce computation burden and is convenient for real time use.Two simulation alternatives for a GPS target tracking system verify its functional equivalence , fastness and optimality. Key words :full-rank decomposition ;weighted least squares ;weighted measurement fusion ;centralized fusion 摘 要:利用矩阵满秩分解方法,基于加权最小二乘理论提出了一种不受各传感器观测阵是否相同、观测噪声是否相关约束限制 的加权观测融合估计算法。证明了其估计结果每时刻恒同于集中式融合Kalman 估计结果,因而具有全局最优性,且可明显减小 计算负担,便于实时应用。通过对GPS 目标跟踪系统的两种方案进行仿真说明了它的功能等价性、快速性以及最优性。 关键词:满秩分解;加权最小二乘;加权观测融合;集中式融合 DOI :10.3778/j.issn. 1002-8331.2010.24.007 文章编号:1002-8331(2010 )24-0022-04 文献标识码:A 中图分类号:O211.64 1 前言 波器得到全局最优状态估计。它的缺点是增加了观测向量、 基于Kalman 滤波的信息融合技术是当前研究的热门领 观测误差方差阵的维数,因此在计算滤波增益阵时要求计算 [1] 高维矩阵的乘法和求逆运算,计算量较大。②序贯融合是每 域 。从其信息融合结果的精度来讲可分为两类: (1)局部最优,全局次优。最典型的是分布式状态融合方

您可能关注的文档

文档评论(0)

yaobanwd + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档