惯性传感器阵列、最大似然与克拉美-罗界
应用统计
2016-08-24 v2
摘要
提出了一种用于融合惯性传感器阵列中测量值的最大似然估计器。该最大似然估计器被集中化，并针对由此产生的低维优化问题给出了一种迭代求解方法。推导了相应测量融合问题的克拉美-罗界，用于评估所提方法的性能，并分析阵列几何结构与传感器误差如何影响测量融合的精度。表明从阵列中加速度计获得的角速度信息与阵列尺寸的平方以及角速度的平方成正比。在我们的仿真中，所提出的融合方法达到了克拉美-罗界，并且优于当前加速度计阵列测量融合的最优方法。此外，与需要3D阵列才能工作的当前最优方法不同，所提方法也适用于2D阵列。理论发现与由内部开发的包含192个传感单元的阵列进行的真实实验结果为参照进行了比较。
引用
@article{arxiv.1509.06494,
title = {Inertial Sensor Arrays, Maximum Likelihood, and Cram\'er-Rao Bound},
author = {Isaac Skog and John-Olof Nilsson and Peter Händel and Arye Nehorai},
journal= {arXiv preprint arXiv:1509.06494},
year = {2016}
}
备注
In review