传感器网络中的分布式噪声协方差矩阵估计
最优化与控制
2020-04-01 v1 信号处理
摘要
基于网络内处理的自适应算法在预测控制和机器学习领域中对于历史数据的在线参数估计（例如噪声协方差）非常有用。本文关注多传感器线性时不变（LTI）系统的分布式噪声协方差矩阵估计问题。传统的噪声协方差估计方法，例如自协方差最小二乘（ALS）法，由于缺乏传感器的历史测量数据，导致ALS估计具有较高的方差。为解决这一问题，我们基于批量协方差交叉（BCI）方法，通过扩大来自邻居的新息，提出了分布式自协方差最小二乘（D-ALS）算法。给出了D-ALS算法的精度分析，以表明D-ALS估计方差的降低。展示了在静态和移动传感器网络中协同目标跟踪任务的数值结果，以证明所提出的D-ALS算法的可行性和优越性。
引用
@article{arxiv.2003.14022,
title = {Distributed Noise Covariance Matrices Estimation in Sensor Networks},
author = {Jiahong Li and Nan Ma and Fang Deng},
journal= {arXiv preprint arXiv:2003.14022},
year = {2020}
}
备注
6 pages, 5 figures