【状态估计】带观测滞后多传感器系统的改进协方差交叉融合Kalman滤波器（Matlab代码实现）

 👨‍🎓个人主页：研学社的博客 

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

2.1 具有相关噪声的时滞 

2.2 带有色噪声的时滞

2.3 协方差交叉融合

2.4 改进协方差交叉

​🎉3 参考文献 

🌈4 Matlab代码实现

---

💥1 概述

文献来源：

 摘要：为了处理带观测滞后多传感器系统的融合估计问题,引入了局部次优递推Kalman滤波器,利用改进的协方差交叉融合算法,提出了改进协方差交叉融合Kalman滤波算法。它可以避免由互协方差计算引起的较大计算负担,并可以处理互协方差未知系统的融合问题。与传统协方差交叉融合Kalman滤波器相比有更高的鲁棒精度,改进的协方差交叉融合器的精度高于每个局部传感器,并且更接近于按矩阵加权的Kalman滤波器精度,因而具有良好的性能。仿真例子验证了其有效性、一致性,并对精度关系做出了几何解释。

关键词：

观测滞后;改进协方差交叉;Kalman滤波器一致性;

 在多传感器信息融合估计领域，已经提出几种最优加权融合方法: 分别是按矩阵［5］、对角阵［6］和标 量［7］最优加权融合准则。但是众所周知，为了得到最优加权状态融合 Kalman 估值器，要求计算局部 Kalman 估值器误差方差和互协方差［8］。对某些复杂的多传感器系统，虽然可求得局部估值误差方差，但局部估值误差互协方差的计算公式很复杂，且要求较大的计算负担。因此，为了克服这些缺点，寻求一种仅基于局部估值及其误差方差信息而避免互协方差计算的新融合估值方法是必要的，这种融合估值方法就是协方差交叉融合方法。

在以往的协方差交叉融合器设计中 ， 融合器的估计误差方差仅由局部估计误差方差的凸组合计算 ，

因而具有一定的保守性 。 本文引入一种新的改进协方差交叉融合器 ， 它可以给出实际估值误差方差的较小保守的上界， 克服了原有互协方差融合器的上界方差较大的保守性 ， 提高了鲁棒精度 ［ 9-10 ］ 。 基于多时滞系统的局部次优递推 Kalman 滤波器 ， 本文提出的改进协方差交叉融合 Kalman 滤波器 ， 利用改进的协方差交叉融合方法， 不但可以处理互协方差未知的系统 ， 减小计算负担 ， 并且其精度高于每 个局部传感器和传统的协方差交叉融合器， 更接近于按矩阵加权的 Kalman 滤波器精度 。 仿真例子验证了其有效性、 一致性 。

📚2 运行结果

 

2.1 具有相关噪声的时滞 

 

 

 

 

2.2 带有色噪声的时滞

 

 

 

 

 

2.3 协方差交叉融合

 

 

 

2.4 改进协方差交叉

 

🎉3 参考文献 

部分理论来源于网络，如有侵权请联系删除。

[1]王军,高媛,冉陈键.带观测滞后多传感器系统的改进协方差交叉融合Kalman滤波器[J].黑龙江大学工程学报,2016,7(02):79-84+89.DOI:10.13524/j.2095-008x.2016.02.030.

[2]王军. 时滞系统的协方差交叉融合估计[D].黑龙江大学,2017.

[3]王雪梅,刘文强,邓自立.带不确定协方差线性相关白噪声系统改进的鲁棒协方差交叉融合稳态Kalman估值器[J].控制与决策,2016,31(10):1749-1756.DOI:10.13195/j.kzyjc.2015.1327.

[4]王妮,孙书利.带相关噪声多传感器系统的事件触发贯序和分布式融合估计[J].空军工程大学学报(自然科学版),2021,22(02):60-67.

[5]乔向东. 信息融合系统中目标跟踪技术研究[D].西安电子科技大学,2003.

🌈4 Matlab代码实现