不完全量测下基于信息一致性的分布式容积卡尔曼滤波算法

作     者：王宁 李银伢 戚国庆 盛安冬 WANG Ning;LI Yinya;QI Guoqing;SHENG Andong

作者机构：南京理工大学自动化学院江苏南京210094 

出 版 物：《兵工学报》 (Acta Armamentarii)

年 卷 期：2021年第42卷第11期

页      面：2396-2408页

核心收录：

学科分类：0810[工学-信息与通信工程] 0907[农学-林学] 08[工学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(61871221、61773210、61273076) 国防基础科研项目(JCKY2018209B010)。 

主　　题：分布式估计 不完全量测 信息一致性 协方差交叉 容积卡尔曼滤波 

摘      要：针对不完全量测条件下分布式火控系统中的非线性目标跟踪问题,为提高跟踪系统的估计精度并保证各探测单元估计结果的一致性,提出一种基于信息一致性的分布式容积卡尔曼滤波(ICDCKF)算法。针对非线性系统,给出不完全量测下的改进容积卡尔曼滤波。考虑到各探测单元间局部估计信息的相关性,该算法首次将协方差交叉方法应用于非线性一致性滤波算法,提高互协方差未知情形下分布式融合的估计精度。特别地,为确保算法的可行性,给出不完全量测情形下,ICDCKF算法估计结果收敛的条件,并从理论上严格证明在该条件下ICDCKF算法可以保证估计方差的有界性。ICDCKF算法应用于一类光电跟踪网络,与现有CKFI算法、CKF_CI算法、KCF_Me算法对比分析表明:ICDCKF算法在保证各探测单元估计结果一致性的同时,大幅度提高了跟踪系统的估计精度。