Sequential fusion estimation for clustered sensor networks
Sequential fusion estimation for clustered sensor networks
复制标题
集群传感器网络的顺序融合估计
DOI：
10.1016/j.automatica.2017.12.038
复制
发表时间：
2017-01
期刊：
影响因子：
6.4
通讯作者：
施凌
中科院分区：
文献类型：
--
作者：
张文安;施凌
本文研究了分簇传感器网络的多传感器融合估计问题。提出了序贯测量融合和状态融合估计方法。研究表明，所提出的顺序融合估计方法可以实现与批融合估计方法相同的性能，但由于它们能够处理顺序可用的数据，因此更方便地处理异步或延迟数据。此外，序贯测量融合方法具有较低的计算复杂度比传统的序贯卡尔曼估计和测量增强方法，而序贯状态融合方法被证明具有较低的计算复杂度比批处理状态融合之一。目标跟踪系统的仿真结果证明了所提出的结果的有效性。
We consider multi-sensor fusion estimation for clustered sensor networks. Both sequential measurement fusion and state fusion estimation methods are presented. It is shown that the proposed sequential fusion estimation methods achieve the same performance as the batch fusion one, but are more convenient to deal with asynchronous or delayed data since they are able to handle the data that are available sequentially. Moreover, the sequential measurement fusion method has lower computational complexity than the conventional sequential Kalman estimation and the measurement augmentation methods, while the sequential state fusion method is shown to have lower computational complexity than the batch state fusion one. Simulations of a target tracking system are presented to demonstrate the effectiveness of the proposed results.
登录
查看更多内容
影响因子：
11.8
作者：
Wen-an Zhang;Michael Z. Q. Chen;Andong Liu;Steven Liu
通讯作者：
Wen-an Zhang;Michael Z. Q. Chen;Andong Liu;Steven Liu
影响因子：
6.8
作者：
Jiming Chen;Junkun Li;T. Lai
通讯作者：
Jiming Chen;Junkun Li;T. Lai
DOI：
10.1201/9781420038545-15
发表时间：
2001-06
期刊：
--
影响因子：
--
作者：
D. Hall;J. Llinas
通讯作者：
D. Hall;J. Llinas
影响因子：
5.4
作者：
Duan, Zhansheng;Li, X. Rong
通讯作者：
Li, X. Rong
影响因子：
4.9
作者：
P. Millán;L. Orihuela;C. Vivas;F. Rubio;Dimos V. Dimarogonas;K. Johansson
通讯作者：
P. Millán;L. Orihuela;C. Vivas;F. Rubio;Dimos V. Dimarogonas;K. Johansson