Efficient Data Fusion Using Random Matrix Theory
Efficient Data Fusion Using Random Matrix Theory
复制标题
使用随机矩阵理论的高效数据融合
DOI：
10.1109/lsp.2018.2815557
复制
发表时间：
2018-03
影响因子：
3.9
通讯作者：
Bai Yechao
中科院分区：
文献类型：
--
作者：
Chen Hao;Zhang Xinggan;Wang Qingsi;Bai Yechao
本文讨论了高斯噪声下的多传感器数据融合问题。在高斯-马尔可夫模型假设下，基于极大似然估计的数据融合是最小方差无偏估计。尽管如此，我们还是提出了一种线性融合
This letter addresses multisensor data fusion under the Gaussian noise. Under the Gauss–Markov model assumptions, data fusion based on maximum likelihood estimation (MLE) is the minimum variance unbiased estimator. Nonetheless, we propose a linear fusion
登录
查看更多内容
影响因子：
4.4
作者：
D. Avitzour
通讯作者：
D. Avitzour
影响因子：
1.6
作者：
Benaych-Georges, Florent;Nadakuditi, Raj Rao
通讯作者：
Nadakuditi, Raj Rao
影响因子：
2.5
作者：
I. Miller
通讯作者：
I. Miller
DOI：
10.1201/9781351105668-7
发表时间：
2017-12
期刊：
--
影响因子：
--
作者：
D. Rajan
通讯作者：
D. Rajan
影响因子：
5.4
作者：
Vallet, Pascal;Mestre, Xavier;Loubaton, Philippe
通讯作者：
Loubaton, Philippe