具有间歇/不规则一致性收敛的分布式粒子滤波实现
分布式、并行与集群计算
2012-09-06 v2
摘要
受非线性、非高斯、分布式多传感器/多智能体导航与跟踪应用的启发，我们提出了一种基于多速率一致性/融合的框架，用于粒子滤波的分布式实现（CF/DPF）。CF/DPF框架基于在每个观测节点运行局部粒子滤波器来估计整体状态向量。设计了独立的融合滤波器，通过补偿相邻节点间的共同历史信息，将局部滤波分布一致地融合到全局后验分布中。CF/DPF相较于同类方法具有两个显著优势。首先，CF/DPF框架适用于网络连接间歇性中断且在两次连续观测之间无法达成一致性的场景。其次，CF/DPF不限于对全局后验密度的高斯近似。本文的第三个贡献是推导了用于计算分布式架构后验克拉美-罗下界（PCRLB）的精确表达式，该表达式基于涉及分布式估计器局部费希尔信息矩阵（FIM）的递归过程。在我们测试的信噪比下，CF/DPF算法的性能紧密跟随集中式粒子滤波，并接近PCRLB。
引用
@article{arxiv.1112.2431,
title = {Distributed Particle Filter Implementation with Intermittent/Irregular Consensus Convergence},
author = {Arash Mohammadi and Amir Asif},
journal= {arXiv preprint arXiv:1112.2431},
year = {2012}
}
备注
Revised Version Submitted to IEEE Transaction on Signal Processing