Abstract

W przypadku obiektów, które można opisać dyskretno-czasowym modelem Gaussa-Markowa, oraz gdy dyskretny pomiar dotyczący obiektu pochodzi z pojedynczego czujnika, istnieje nieobciążony estymator minimalnowariancyjny stanu obiektu, czyli filtr Kalmana. W pewnych okolicznościach, np. z powodu dyskretnego charakteru źródła pomiaru, dokładność i odporność estymacji polegającej na pojedynczym źródle danych jest niewystarczająca. Jedną z możliwości bardziej niezawodnego wyznaczania estymaty stanu obiektu jest wykorzystanie informacji z wielu źródeł. Realizowane jest to zwykle w jednej z dwóch architektur: centralnej bądź rozproszonej. W systemie z przetwarzaniem centralnym do centrum obliczeniowego (estymacji) wysyłane są wszystkie pomiary ze wszystkich czujników. Dzięki temu algorytm dysponuje całą nieprzetworzoną informacją dostępną o obserwowanym obiekcie. W systemie rozproszonym każdy czujnik wraz z odpowiednim estymatorem (np. filtrem Kalmana) tworzy tzw. ośrodek lokalny. W każdym z tych ośrodków na podstawie danych pochodzących z lokalnego czujnika wyznaczana jest lokalna estymata stanu. W poszczególnych ośrodkach lokalnych estymaty te wyznaczane są zwykle asynchronicznie, czyli w różnych chwilach czasu i z różną częstotliwością. Następnie są one przesyłane do ośrodka centralnego, wyznaczającego łączna (centralna) estymatę stanu. Do algorytmu wyznaczającego centralna estymatę stanu wysyłana jest zatem informacja przetworzona. W pracy przedstawiono rozproszony algorytm fuzji estymat stanu obiektu dynamicznego oparty na najlepszym liniowym estymatorze nieobciążonym, nie korzystającym z informacji a priori. Zaprezentowaną metodę przebadano za pomocą symulacji.

Authors (2)