关于信息融合的联邦UKF的matlab资料我要分享

MATLAB data of federal UKF on information fusion

信息融合 联邦 UKF

关注次数: 463

下载次数: 6

文件大小: 236KB

代码分类: 其他

开发平台: matlab

下载需要积分: 1积分

版权声明:如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

代码描述

中文说明:

联邦UKF的matlab资料,关于信息融合,希望大家借鉴。





 10 卷第 6 中国惯性技术学报 2002  12


文章编号:1005-6734(2002)06-0034-07

 

联邦滤波器理论研究

 

顾启泰, 王 颂

(清华大学精密仪器与机械学系 , 北京 100084)

 

摘要应用矩阵理论和信息分配原理导出集中卡尔曼滤波、分散化滤波和联邦滤波之间的等价  关系,证明联邦滤波器的全局滤波精度和集中卡尔曼滤波的滤波精度相同,并用信号流程图直观清晰地说明联邦滤波比分散化滤波结构更简单,计算量小。提出一种动态最优信息分配系数确定的方法,该方法使联邦滤波局部滤波器的设计也成为最优,并从理论上证明其具有最高的软故障检测灵敏度。

   词:卡尔曼滤波器;分散化滤波器;联邦滤波器;信息分配 V249.3 A

 

Study on the Theory of Federated Filter

 

GU Qi-tai, WANG Song

(Department of Precision Instruments and Mechanology, Tsinghua University, Beijing 100084, China)

 

Abstract: Based on the matrix theory and information sharing principle, this paper deduces the equivalent relations among the centralized Kalman filtering, decentralized filtering and federated filtering. It is proved that the global filtering accuracy of the federated filter is the same as the filtering accuracy of the centralized Kalman filter. Signal flow diagram is given to illustrate the filtering architecture visually and clearly. Compared with the decentralized filter, the federated filter has simpler architecture and less computation load. The determination of dynamically optimal information sharing coefficients is proposed in this paper. It also makes the design of local filters optimal. Besides, it is proved in theory that the optimal local filters have top soft-fault detecting sensitivity.

Key words: Kalman filter; decentralized filter; federated filter; information sharing

 

1

多传感器组合导航是提高导航精度和容错性能的有效途径。20 世纪 90 年代 Carlson 提出联邦滤波器,由于利用了信息分配原理,其全局滤波精度和集中卡尔曼滤波等价,并且由于局部滤波器可以并行、单独运行,所以在计算效率和容错性方面明显优于后者[1]

在证明联邦滤波器最优时,Carlson 首先构造一个增广系统,然后应用方差上界技术来消除各个局部滤波器之间的相关性,最后略去非公共状态对公共状态的影响,按照不相关的融合算法,得到全局最





 


收稿日期:2002-10-02

作者简介:顾启泰(1936,男,清华大学精仪系教授、博士生导师,长期从事惯性测量技术和导航控制研究工作。



English Description:

MATLAB data of federal UKF, about information fusion, I hope you can learn from it


代码预览