聚类传感器网络的序贯融合估计
最优化与控制
2017-01-18 v1
摘要
我们研究聚类传感器网络的多传感器融合估计问题。给出了序贯测量融合与状态融合估计两种方法。研究表明，所提序贯融合估计方法达到与批量融合相同的性能，但更便于处理异步或延迟数据，因其能够处理依次可用的数据。此外，序贯测量融合方法比传统的序贯Kalman估计与测量增广方法计算复杂度更低，而序贯状态融合方法被证明比批量状态融合计算复杂度更低。给出了目标跟踪系统的仿真以证明所提结果的有效性。
引用
@article{arxiv.1701.04694,
title = {Sequential Fusion Estimation for Clustered Sensor Networks},
author = {Wen-An Zhang and Ling Shi},
journal= {arXiv preprint arXiv:1701.04694},
year = {2017}
}
备注
This paper a novel sequential fusion estimation method for sensor networks. It has 7 pages, 4 figures and 17 references