基于量化信息的分布式卡爾曼濾波算法

　　針對(duì)一個(gè)無(wú)融合中心傳感器網(wǎng)絡(luò)中的狀態(tài)估計(jì)問(wèn)題，提出一種基于量化信息的分布式卡爾曼濾波（QDKF）算法。首先，在分布式卡爾曼濾波（DKF）中，以節(jié)點(diǎn)狀態(tài)估計(jì)精度為加權(quán)準(zhǔn)則，動(dòng)態(tài)選取加權(quán)矩陣，使得全局估計(jì)誤差的協(xié)方差最??；然后，進(jìn)一步考慮了網(wǎng)絡(luò)帶寬受限制的情況，在DKF算法中加入均勻量化器，節(jié)點(diǎn)之間通信使用量化后的信息，以減少網(wǎng)絡(luò)通信的帶寬需求。QDKF算法仿真采用了8 bit的均勻量化器，與Metropolis加權(quán)法和最大度加權(quán)法相比，動(dòng)態(tài)加權(quán)法的狀態(tài)估計(jì)均方根誤差分別降低了25%和27. 33%。實(shí)驗(yàn)結(jié)果表明，采用動(dòng)態(tài)加權(quán)法的QDKF算法能提高系統(tǒng)的狀態(tài)估計(jì)精度，減少帶寬需求，適用于網(wǎng)絡(luò)通信受限制的應(yīng)用場(chǎng)合。
?