多傳感器模糊—概率交互作用的數據關聯算法
加入技術交流群
在論域Zi(k)={Zij(k)}上，“某一量測可能來自目標”所構成的模糊集合Ai的關聯矩陣為(設目標數為1)
μiA={μiA(Zij(k))}1×mk (5)
μiA(Zij(k))反映了目標和第j個量測之間的模糊關聯度.于是，一旦得到一組量測，就查得到一組模糊信息Ai.由估計理論和模糊系統理論，可得到如下模糊最小方差估計.
設參數集合X={X1,X2,…,Xm}為要估計的參數.若所得到的估計量
ij使估計的均方誤差最小，則稱ij為模糊最小方差估計.
J=E{(Xj-ij)(Xj-ij)}=∫(Xj-ij).(Xj-ij)P(Xj|A)dXj (6)
ij應使J達到極小.其中ij是基于模糊信息Ai對Xj的估計，它是Ai的函數.令g(Ai)=ij.則
J=E{(Xj-g(Ai))T(Xj-g(Ai))} (7)
在上式中兩邊對g(Ai)求導，并令其為零，可得
ij=g(Ai)=E［Xj|Ai］=∫XjP(Xj|Ai)dXj (8)
為方便起見，略去下標j,目標在k時刻，第i個傳感器的狀態估計可以寫成如下形式
i(k/k)=∫X(k)P(X(k)|Ai,Zi,k-1)dX(k) (9)
其中Zi,k-1={Zi(n)}k-1n=1表示第i個傳感器直到時刻k-1的累積量測集.式(9)的離散形式為
(10)
(11)
令 Wij(k)=μiA(Zij(k))P(Zij(k)|Zi,k-1)/Pi(Ai) (12)
稱Wij(k)為加權系數.則式(10)可寫為
(13)
假設X(k)是正態分布，則由Kalman濾波器得
評論