基于贝叶斯估计的加权最小二乘分布式融合

• 作者: 徐苏 杨红
• 来源期刊: 探测与控制学报
• 关键词: 非线性离散系统 卡尔曼滤波 多传感器信息融合 分布式观测融合 Bayes估计
• 年，卷（期）: 2011,（6）
• 页码范围: 46-51
• 分类号: O211.64
• 语种: 中文
• DOI: 10.3969/j.issn.1008-1194.2011.06.010

摘要

针对不同观测矩阵加权最小二乘算法没有考虑到模型参数本身信息的共同缺点,提出基于贝叶斯估计的带不同观测矩阵的加权最小二乘分布式(Bayes Estimation Weighted Least Square,BEWLS)融合Kalman 滤波算法.该方法首先采用推广的离散卡尔曼滤波对非线性系统线性化,然后在考虑模型参数本身的先验信息条件下,采用基于贝叶斯(Bayes)估计方法对Kalman滤波算法的观测方程进行加权最小二乘融合.BEWLS融合算法减少了计算负担,提高了融合精度,便于实时应用.理论和仿真证明:BEWIS融合具有优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐苏	淮海工学院工程训练中心	9	39	3.0	6.0
2	杨红	广州大学物理与电子工程学院	21	114	6.0	9.0