کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5000026 1460636 2017 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Decentralized data fusion with inverse covariance intersection
ترجمه فارسی عنوان
تلفیق داده های تقسیم شده با تقاطع کوواریانس معکوس
کلمات کلیدی
ترجمه چکیده
در سیستم های برآورد دولتی توزیع شده و غیر متمرکز، روش های همجوشی برای به طور سیستماتیک ترکیب پیش بینی های متعدد از دولت را به یک برآورد دقیق تر و دقیق تر بکار می گیرند. یک مشکل اغلب مواجه شده در فرایند همجوشی مربوط به اطلاعات مشترک ناشناخته است که با تخمین ها مشترک است و مسئول همبستگی است. اگر ساختار همبستگی برای روش همجوشی ناشناخته باشد، استراتژی های محافظه کارانه معمولا دنبال می شوند. به همین ترتیب پارامترهای معرفی شده توسط روش تقاطع بیضوی، یک رویکرد جدید برای توصیف ارتباطات ناشناخته بوده است، گرچه مقادیر مناسب برای این پارامترها با سازگاری اثبات شده هنوز مشخص نشده است. در این مقاله، گسترش تقاطع بیضوی پیشنهاد شده است که نتایج همگام سازی ثابت را در حضور اطلاعات مشترک ناشناخته تضمین می کند. محدوده ای که توسط رویکرد جدید استفاده می شود، محاسبه یک بیضی بیضوی بیرونی در تقاطع بیضوی های کوواریانس معکوس است. به عنوان یک مزیت عمده از این روش متقاطع کوواریانس معکوس، نتایج حاصل از فیوژن دقیق تر از آنچه که توسط روش تقاطع کوواریانس شناخته شده ارائه می شود، دقیق تر است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
پیش نمایش مقاله
تلفیق داده های تقسیم شده با تقاطع کوواریانس معکوس
چکیده انگلیسی
In distributed and decentralized state estimation systems, fusion methods are employed to systematically combine multiple estimates of the state into a single, more accurate estimate. An often encountered problem in the fusion process relates to unknown common information that is shared by the estimates to be fused and is responsible for correlations. If the correlation structure is unknown to the fusion method, conservative strategies are typically pursued. As such, the parameterization introduced by the ellipsoidal intersection method has been a novel approach to describe unknown correlations, though suitable values for these parameters with proven consistency have not been identified yet. In this article, an extension of ellipsoidal intersection is proposed that guarantees consistent fusion results in the presence of unknown common information. The bound used by the novel approach corresponds to computing an outer ellipsoidal bound on the intersection of inverse covariance ellipsoids. As a major advantage of this inverse covariance intersection method, fusion results prove to be more accurate than those provided by the well-known covariance intersection method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Automatica - Volume 79, May 2017, Pages 35-41
نویسندگان
, , , ,