Este trabajo estudia el problema de estimación de la fusión de una clase de sistemas multisensor multirate con ruidos multiplicativos de observación. El sistema dinámico se muestrea uniformemente. El periodo de muestreo de cada sensor es uniforme y múltiplo entero del periodo de actualización del estado. Además, los diferentes sensores tienen diferentes frecuencias de muestreo y las observaciones de los sensores están sujetas a las incertidumbres estocásticas de los ruidos multiplicativos. Al principio, los filtros locales en los puntos de muestreo de observación se obtienen basándose en las observaciones de cada sensor. Además, los estimadores locales en los puntos de actualización de estado se obtienen mediante predicciones de los filtros locales en los puntos de muestreo de observación. Tienen un coste computacional reducido y una buena propiedad de tiempo real. A continuación, se derivan las matrices de covarianza cruzada entre dos estimadores locales cualesquiera en los puntos de actualización de estado. Por último, utilizando el algoritmo de estimación de fusión óptima de matriz ponderada en el sentido lineal de varianza mínima, se obtiene el estimador de fusión óptimo distribuido basado en los estimadores locales y las matrices de covarianza cruzada. Un ejemplo muestra la eficacia de los algoritmos propuestos.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Permanencia y Atractividad Global de un Sistema de Depredador-Presa Discreto con una Respuesta Funcional del Tipo Hassell-Varley
Artículo:
Método de diagnóstico de fallos por fusión de datos basado en LSTM y DWT para volantes de reacción de satélites
Artículo:
Una novedosa recuperación de imágenes basada en una combinación de histogramas locales y globales de palabras visuales
Artículo:
Prediciendo el Crecimiento y la Estructura Poblacional de China Basado en Modelos de Orden Fraccional Gris.
Artículo:
Una nota sobre Procesos Fuzzy - Convexos.