Resumen

En el problema del seguimiento de objetivos, diferentes tipos de sesgos pueden introducirse en la medición recopilada por los sensores debido a varias razones. Para rastrear con precisión el objetivo, es esencial estimar y corregir el sesgo de la medición. Considerando antecedentes prácticos, se asume que el sesgo está distribuido de manera gaussiana localmente estacionaria y se propone un algoritmo de estimación iterativa. En primer lugar, se establece un mecanismo para detectar si el sesgo cambia entre diferentes distribuciones gaussianas. En segundo lugar, se propone el algoritmo de maximización de la expectativa con la asistencia de filtrado y suavizado de Kalman extendido para estimar de manera iterativa el sesgo y el estado del objetivo de manera offline. Las simulaciones muestran que el algoritmo propuesto puede suprimir el impacto del sesgo de la medición en el seguimiento del objetivo.

• Materias:Dispositivos móviles Programación centralizada Redes heterogéneas Cooperación de retransmisión Antenas inteligentes
• Subjects:Mobile devices Centralized scheduling Heterogeneous networks Relay cooperation Smart antennas
• Palabras claves:Medición; Sesgo; Estimación; Algoritmo; Seguimiento; Gaussiano
• Keywords:Measurement; Bias; Estimation; Algorithm; Tracking; Gaussian