.png){kind=icon}
返回
Distributed wavelet-learning-based fusion estimation for multirate multisensor systems with integer and non-integer multiple sample ratios
.png){kind=icon}
PRE
AI
DOI：10.1016/j.dsp.2025.105162.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文探讨了在传感器时变采样条件下多速率多传感器系统的异步融合估计问题。首先，根据传感器采样率与状态更新率的比值，将传感器分为整数倍和非整数倍两类。在整数倍情况下，通过小波变换的状态投影建立同步状态空间模型，并设计基于卡尔曼滤波器的多速率估计器以计算局部估计。在非整数倍情况下，利用最接近状态更新时刻的测量信息设计测量补偿机制，随后构建反向传播神经网络以获得相应的估计。基于上述获得的局部估计，考虑状态更新时刻与测量采样时刻的时间差，开发了一种基于学习的融合准则。最后，仿真结果表明所提出方法的优势和有效性。
Keyword:
Multirate sampling
Distributed fusion estimation
Wavelet transform
BP neural network
期刊
IF:
3.6
论文数:
10.0K
被引数:
1.7W
机构
引用论文
Maneuvering target state estimation based on separate modeling with high-order polynomials基于独立建模的高阶多项式机动目标状态估计
PREAI
分享收藏分享收藏Asynchronous Multirate Multisensor Data Fusion Over Unreliable Measurements With Correlated Noise
PREAI
分享收藏Distributed event-triggered fusion estimation for networked asynchronous multi-rate systems.png)
INFORMATION FUSION
OAAI
INFORMATION FUSIONIF15.5
OAAI分享收藏
查看更多内容