基于不确定度量化加权的CKF算法

• 作者: 丁贤达 吴龙龙 方华京 陈世明
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 卡尔曼滤波 一致性 不确定度 节点度 鲁棒性
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 电子与信息工程
• 页码范围: 30-33
• 分类号: TP391
• 语种: 中文

摘要

针对传感器网络中每个传感器节点的邻接节点状态估计值不确定度不同的问题,提出一种基于不确定度量化加权的一致性卡尔曼滤波算法(CKF).该算法通过考虑节点度数对于传感器网络估计精度的影响,结合节点度数提出了一种衡量邻接节点状态估计值不确定度的量化函数,并把量化值作为该邻接节点与当前节点的状态估计值偏差的融合权重引入一致性协议中,利用优化后的一致性协议对传感器节点先验估计值进行更新,可提高一致性卡尔曼滤波算法的估计精度；算法同时具有非一致性误差小和鲁棒性强等特点.最后在3种不同网络类型下,通过动态目标跟踪实验仿真验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方华京	华中科技大学控制科学与工程系	125	1535	23.0	33.0
2	陈世明	华东交通大学电气与电子工程学院	62	403	11.0	16.0
6	丁贤达	华东交通大学电气与电子工程学院	3	11	2.0	3.0
10	吴龙龙	华东交通大学电气与电子工程学院	3	18	3.0	3.0