多传感器网络系统基于无序估计的分布式信息融合

无线传感器网络的局部节点往融合中心传输信息时,不确定的随机延迟易使得信息无序现象频繁发生,从而导致传统信息融合方法的应用面临诸多难题和挑战。该文以带有任意随机延迟的多传感器同步采样系统为对象,研究无序估计("Out-Of-Sequence"Estimate,OOSE)信息系统的最优分布式融合问题,最终建立一种新型的通用最优OOSE融合算法。与现有基于集中式框架的无序量测融合方法相比,新算法在融合精度和算法复杂度上均具有显著优势。算法分析和计算机仿真验证了新算法的有效性和优越性。

高斯混合概率假设密度无序估计分布式融合

针对分布式传感器网络中多目标随机集状态混合无序估计问题,本文提出了一种基于高斯混合概率假设密度无序估计分布式融合算法.在高斯混合概率假设密度滤波器的框架下,首先基于概率假设密度递推滤波特性,建立适用于多目标随机集状态混合无序估计的最新可利用估计判别机制,然后利用扩展协方差交叉融合算法对经过最新可利用估计判别机制获得的无序概率假设密度强度估计进行融合处理,针对融合过程中高斯分量快速增长的问题,在保证信息损失最小的前提下,对融合过程的不同环节实施高斯混合分量裁剪操作,给出了一种多级分层分量裁剪算法.最后,仿真实验验证了文中所提的算法的有效性和可行性.