کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5471224 1519388 2017 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Estimation from a multisensor environment for systems with multiple packet dropouts and correlated measurement noises
ترجمه فارسی عنوان
برآورد از یک محیط چندرسانه ای برای سیستم های با رد بسته های متعدد و صداهای اندازه گیری همبسته
کلمات کلیدی
بسته شدن بسته سر و صدا متقابل، برآورد کمترین مربع، سنسورهای چندگانه، روش تلفیقی توزیع شده،
ترجمه چکیده
در این مقاله، مسئله برآورد فیوژن توزیع شده از اندازه گیری با بسته شدن بسته و صداهای متقابل مرتبط با سنسورهای مختلف، مورد توجه قرار گرفته است. فرض بر این است که بسته شدن بسته توسط متغیرهای مستقل برنولی با ویژگی های مختلف برای هر سنسور مدل سازی می شود و نویز های اندازه گیری به صورت یکسان و در زمان نمونه گیری متوالی همبسته می شوند، الگوریتم های فیلتر کردن و صاف کردن با استفاده از روش تلفیق توزیع شده استخراج می شوند. فیلتر فیوژن توزیع شده و نرمتر به عنوان یک ترکیب خطی با وزن ماتریسی از برآوردگرهای خطی خطی محلی به دست می آید، که نشان می دهد خطای متوسط ​​مربع حداقل است. الگوریتم خطی موضعی و الگوریتم هماهنگ نقطه ثابت با استفاده از لحظات اول و دوم مرتبه سیگنال و صدای موجود در مدل مشاهده می شود. نتایج شبیه سازی برای نشان دادن امکان الگوریتم های پیشنهاد شده، با استفاده از ماتریس کوواریانس برآورد خطا به عنوان اندازه گیری کیفیت برآوردگرها ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مکانیک محاسباتی
پیش نمایش مقاله
برآورد از یک محیط چندرسانه ای برای سیستم های با رد بسته های متعدد و صداهای اندازه گیری همبسته
چکیده انگلیسی
This paper addresses the problem of distributed fusion estimation from measurements with packet dropouts and cross-correlated noises acquired from different sensors. Assuming that the packet dropouts are modelled by independent Bernoulli random variables with different characteristics for each sensor and that measurement noises are cross-correlated at the same and at consecutive sampling times, filtering and smoothing algorithms are derived using the distributed fusion method. The distributed fusion filter and smoother are obtained as a matrix-weighted linear combination of corresponding local least-squares linear estimators, verifying that the mean squared error is minimum. The local linear filtering and fixed-point smoothing algorithms are derived using the first and second-order moments of the signal and the noises present in the observation model. Simulation results are provided to illustrate the feasibility of the proposed algorithms, using the error estimation covariance matrices as measure of the quality of the estimators.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Mathematical Modelling - Volume 45, May 2017, Pages 802-812
نویسندگان
, , ,