未知相关性下智能体间距离测量的融合
信号处理
2023-06-12 v1
摘要
协同定位是一种有前景的方案，可提升精度并克服 GNSS 的缺陷。协同通常通过测量用户间距离来实现。为了将两用户间的距离测量最优地集成到导航滤波器中，必须已知它们估计误差之间的相关性。遗憾的是，在大规模网络中，智能体无法计算这些相关性，而必须使用一致性滤波器。一致性滤波器在考虑所有可能相关性的前提下，提供估计器误差协方差的上界。本文利用分裂协方差交集（Split Covariance Intersection）推导了一种用于集成距离测量的一致性线性滤波器。分析表明，两智能体间的距离测量仅能使其中一方受益，即仅有其中之一可利用该距离测量改进其估计器。此外在某些情况下，双方均无法受益。针对一类广义目标函数，给出了智能体从测量中受益的必要条件。当目标函数为迹或行列式时，给出了必要且充分条件。
引用
@article{arxiv.2306.05875,
title = {Fusion of Distance Measurements between Agents with Unknown Correlations},
author = {Colin Cros and Pierre-Olivier Amblard and Christophe Prieur and Jean-François da Rocha},
journal= {arXiv preprint arXiv:2306.05875},
year = {2023}
}