摘要
不同的通信时间延迟和量测预处理时间,导致在实际的集中式多传感器融合跟踪系统中,常会出现多传感器量测数据不能按正常时序到达中心处理器的无序量测(OOSM)现象,中心处理器处理这类无序量测数据时将遇到负时间更新问题.针对单步延迟无序量测更新问题,从理论上分析了Bar-Shalom提出的A1算法的最优性,指出其最优性与过程噪声的离散化模型有关,证明A1算法在过程噪声直接离散化模型(DDM)下不是最优的,它仅是过程噪声连续离散化模型(DCM)下的最优滤波算法.提出了DDM条件下的一种改进算法,它能获得比A1算法更高的无序量测滤波精度.提出了一种与过程噪声离散化模型无关的最优无序量测滤波算法,此算法在两种过程噪声离散化模型下都能达到有序量测处理时的滤波精度.对两个新算法的滤波性能进行了理论分析,采用MonteCarlo计算机仿真实验比较了新算法和有序量测处理时的滤波结果,验证了新算法的有效性.
出处
《中国科学(E辑)》
CSCD
北大核心
2007年第4期564-580,共17页
Science in China(Series E)
基金
国家自然科学基金资助项目(批准号:60402033)