|
信息融合滤波:将多传感器的测量值进行最优整合,以获取目标动态的估计,实现整体大于局部之和的功能。
其特征强调融合,最简单的就是集中式融合滤波,指将多传感器测量值汇聚到融合中心,采用扩维方法,将问题归为传统的滤波问题。再者,避免维数灾难导致的高计算要求,将扩维改进为加权融合,以降维处理。
除此之外,从分布计算的角度,改变集中滤波结构,将滤波预处理下方到各个传感器节点,然后,融合中心对预处理结果再进行最优融合。
一致性滤波:结合多传感器之间的交互和分布滤波功能。
那么两者的区别:信息融合滤波的分布式滤波器之间没有通信,即没有一致性滤波的协同滤波。再者,一致性滤波的目的不明确,其与分布式传感网络需要实现的功能联系不明确。
一方面,信息融合滤波是将所有传感器的信息进行融合,不论是否具有分布式,总存在一个融合中心;
而一致性滤波则不存在融合中心,通过传感与邻居传感的局部信息融合;由此,两者的拓扑构成是不同的,前者是星形网,后者是去中心的拓扑网。
另一方面,由于融合滤波使用所有传感器的信息,因此允许观测矩阵的异构性,因为只要多传感器整体上是对目标系统是可观的,较为灵活。而对于分布式滤波,大多数文献中都是同质传感,即观测矩阵相同。(该条对于分布式滤波也许并不重要,滤波器凌驾于传感器之上,结合本地信息和外部信息,因此对于本地信息构成不做讨论,是可以理解的,需要深刻理解分布式滤波的含义)
“昔之善战者,不可胜在己”,“以虞待不虞者胜”--《谋攻篇》。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-4-27 07:19
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社