存在传感器偏差时用于多目标状态估计的精确解耦卡尔曼滤波
信号处理
2019-10-16 v2
摘要
研究了在存在恒定但未知的传感器偏差情况下的多传感器多目标状态估计问题。该问题的经典方法是将状态向量增广以包含所有目标状态与传感器偏差，然后实现增广状态卡尔曼滤波（ASKF）。本文中，我们提出一种新颖的解耦卡尔曼滤波算法。该解耦卡尔曼滤波首先在各独立分支中处理每个目标，即单目标卡尔曼滤波分支，其中估计单目标状态与传感器偏差。随后通过融合所有单目标卡尔曼滤波分支先前的偏差估计来精化偏差估计。最后，将精化后的偏差估计反馈至各单目标卡尔曼滤波分支以改进目标状态估计。我们证明在通常初始条件下，所提解耦卡尔曼滤波就估计结果而言与 ASKF 精确等价。该等价性也通过数值例子得到确认。此外，我们使用多静态无源雷达的现场实验数据进一步验证了所提算法。
引用
@article{arxiv.1807.04387,
title = {Exactly Decoupled Kalman Filtering for Multitarget State Estimation with Sensor Bias},
author = {Jianxin Yi and Xianrong Wan and Deshi Li},
journal= {arXiv preprint arXiv:1807.04387},
year = {2019}
}