典型文献
基于多变量Laplace分布的非线性系统分布式鲁棒状态估计
文献摘要：
本文考虑非高斯噪声下传感器网络的状态估计问题.在机动目标跟踪、室内定位、水声导航等应用中,传感器的非高斯噪声会造成针对高斯噪声设计的常规状态估计算法精度下降.在现有针对单传感器系统的基于多变量Laplace(Multivariate Laplace,ML)鲁棒状态估计(Robust State Estimation based on ML,RSE-ML)算法基础上,本文借助信息滤波的特点,推导了针对多传感器系统的集中式RSE-ML(Centralized RSE-ML,CRSE-ML)算法,进一步利用一致性平均得到分布式RSE-ML(Distributed RSE-ML,DRSE-ML)算法.本文提出的DRSE-ML算法中利用ML建模非高斯噪声,借助变分贝叶斯方法估计噪声和状态参数,采用一致性算法进行分布式信息交互,克服了集中式算法通信和计算负担重的缺点,且具有自由参数少、估计精度高的特点.仿真结果表明,所提出的DRSE-ML算法估计精度优于现有相关算法,且能逼近集中式CRSE-ML算法的估计精度.
文献关键词：
非高斯噪声;鲁棒状态估计;分布式状态估计;多变量Laplace分布;卡尔曼滤波;变分贝叶斯
中图分类号：
作者姓名：
王国庆;杨春雨;马磊
作者机构：
中国矿业大学信息与控制工程学院,江苏徐州221116;地下空间智能控制教育部工程研究中心,江苏徐州221116
文献出处：
引用格式：
[1]王国庆;杨春雨;马磊-.基于多变量Laplace分布的非线性系统分布式鲁棒状态估计)[J].电子学报,2022(11):2610-2618
A类：
CRSE,DRSE
B类：
多变量,Laplace,非线性系统,分布式鲁棒,鲁棒状态估计,非高斯噪声,下传,传感器网络,机动目标跟踪,室内定位,水声,声导,估计算法,单传,Multivariate,ML,Robust,State,Estimation,多传感器系统,集中式,Centralized,Distributed,变分贝叶斯方法,状态参数,一致性算法,信息交互,计算负担,负担重,估计精度,逼近,分布式状态估计,卡尔曼滤波
AB值：
0.247853
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
