《基于动态加权的量化分布式卡尔曼滤波》PDF+DOC
作者:陈小龙,马磊,张文旭
单位:四川省计算机学会;中国科学院成都分院
出版:《计算机应用》2015年第07期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFJSJY2015070060
DOC编号:DOCJSJY2015070069
下载格式:PDF + Word/doc 文字可复制、可编辑
《无线传感器网络可扩展一致性目标跟踪算法研究》PDF+DOC2012年第11期 龙慧,樊晓平,刘少强
《无线传感器网络分布式量化卡尔曼滤波》PDF+DOC2011年第12期 陈军勇,邬依林,祁恬
《基于Consensus滤波的分布式卡尔曼信息融合方法》PDF+DOC2011年第03期 龙慧
《无线传感器网络的数据融合研究》PDF+DOC2009年第16期 张向宾,张海涛,李艳艳
《卡尔曼滤波在无线传感器网络节点定位中的应用》PDF+DOC2009年第02期 万江文,吴佳灵,冯仁剑
《粒子滤波在无线传感器网络目标跟踪中的应用》PDF+DOC2008年第03期 王欣威,董慧颖,杨悦平
《分布式动态一致性非线性目标跟踪策略研究》PDF+DOC2013年第05期 龙慧,樊晓平,刘少强
《基于无线传感网的目标跟踪算法及实验系统设计》PDF+DOC2012年第06期 俞立,王铭,董齐芬,张文安
《基于卡尔曼滤波和相关系数的异常检测方法》PDF+DOC2009年第10期 肖政宏,蒋岩
《动态加权的一致性多传感器数据融合算法》PDF+DOC2008年第08期 程建兴,史仪凯
针对一个无融合中心传感器网络中的状态估计问题,提出一种基于量化信息的分布式卡尔曼滤波(QDKF)算法。首先,在分布式卡尔曼滤波(DKF)中,以节点状态估计精度为加权准则,动态选取加权矩阵,使得全局估计误差的协方差最小;然后,进一步考虑了网络带宽受限制的情况,在DKF算法中加入均匀量化器,节点之间通信使用量化后的信息,以减少网络通信的带宽需求。QDKF算法仿真采用了8 bit的均匀量化器,与Metropolis加权法和最大度加权法相比,动态加权法的状态估计均方根误差分别降低了25%和27.33%。实验结果表明,采用动态加权法的QDKF算法能提高系统的状态估计精度,减少带宽需求,适用于网络通信受限制的应用场合。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。