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。

邓自立——最优估计理论及其应用：建模、滤波、信息融合估计

黑龙江大学邓自立老先生的书，很经典，最优估计，信息融合领域必看

author: komdec time: 20200530 包括完善的论文、ppt和源代码

采用CarlsON 最优数据融合准则， 将基于Kalman 滤波的多传感器状态融合估计方法应用到雷达跟踪系统。仿真实验表明，多传感器Kalman 滤波状态融合估计误差小于单传感器Kalman 滤波得出的状态估计误差，验证了方法对雷达跟踪的有效性。

本书用邓自立教授独创的现代时间序列分析方法提出了关于系统状态或信号的最优估计和最优融合估计的新理论、新方法和新算法，并给出在目标跟踪系统中的仿真应用。 全书共分七章，包括时间序列ARMA模型和状态空间模型，最小二乘法参数估计，ARMA时间序列预报，经典Kalman滤波理论及多传染器最优信息融合Kalman滤波理论，基于现代时间序列分析方法的最优滤理论及最优信息融合滤波理论。内容新颖，理论严谨，并含有大量仿真例子。 本书可作为高等学校控制理论与控制工程、信号处理、检测与估计等专业的研究生及本科高年级学生教材，也可供在信号处理、控制、通信、航天、制导、雷达跟踪、石油地震勘探、故障诊断、卫星测控、GPS定位、多传感器信息融合、机器人、经济、生物医学等领域工作的科技人员参考。

与集中式和分布式融合滤波器的尺寸，序贯式融合滤波器的尺寸和精度，以及在对测量值即达到即转换，部分测量值缺失等方面都具有补偿，自适应性和实时性等特点。因此，本文针对一类噪声能量有界的多传感器动态系统，称为了一种序贯式融合有限域H1滤波器。首先，利用测量值扩展维的方法，称为一种集中式融合有限域H∞滤波器；然后，利用H∞滤波的性能指标与二次型不等式之间，以及希尔伯特空间二次型的稳定点与Krein空间正交投影之间等的对应关系，构造出一种序贯式融合有限域H ∞滤波器;最后，从理论与数值仿真两方面验证了新滤波器与集中式融合有限域H1滤波器的性能等价性。