网络的传感器节点向处理中心传输局部估计时,不可避免地存在随机延迟,从而导致航迹无序现象频发。在分布式框架下,研究多传感器时滞航迹的融合估计问题。采用最新可利用的局部估计原则,若未收到最新局部估计,则用之前收到的最新的估计进行预报。进而,运用避免计算互协方差阵的CI算法进行分布式融合。避免了计算互协方差阵,且能改善局部估计的精度。仿真例子说明算法的有效性。

两条航迹分布式融合，包含源代码，原理简明易懂，加权法，方便可进行算法优化。matlab直接运行

#资源达人分享计划#

信息融合领域存在一个公认的定论,即集中式融合的性能一定比分布式融合的好,且是最优的;业已证明,当融合系统采用单模型滤波算法,如卡尔曼滤波器时,上述定论是成立的;那么在融合系统采用多模型滤波算法,如针对机动目标跟踪的交互多模型滤波(IMM)算法时,情况是否也是如此?抱着对此存疑的态度,对采用IMM算法时的集中式融合与分布式融合进行了研究,给出了扩维、序贯以及等效量测3种集中式融合算法和简单方差凸组合、互协方差组合2种分布式融合算法,并设置不同运动场景对算法进行了大量仿真。仿真实验结果表明,针对交互多模型滤波估计的集中式融合性能并不一定比采用同样滤波算法的分布式融合的好,并给出了作者对此诧异现象的认识和理解。

对局部节点状态估计间误差相关性的处理是分布式估计融合或航迹融合的关键要素;针对当前分布式融合理论中关于混合多模型估计融合研究的空白,首先推导得出了采用相同模型成分的各局部节点交互多模型状态估计的误差互协方差矩阵的递推计算方法;其次,讨论了所得非对称实误差互协方差矩阵的正定特性,并分析了此类误差相关性与混合多模型估计算法中模型过程噪声之间的变化关系;上述结果使得基于互协方差组合融合算法的交互多模型状态估计融合成为可能,仿真实验亦验证了其有效性,相对其它不考虑误差相关性的融合算法,融合结果也更为真实.