事件触发容积卡尔曼滤波及其在火控探测网络中的应用

梁苑， 盛安冬， 武兆斌， 张蛟， 戚国庆， 李银伢

(1.南京理工大学 自动化学院, 江苏 南京 210094; 2.63961部队, 北京 100012)

0　引言

多传感器融合估计广泛应用于目标跟踪、导航定位、区域监视等领域。其中，基于非线性滤波的融合方法可更好地处理非线性系统中的估计问题，受到越来越多的研究与关注。

对于高维非线性系统，容积卡尔曼滤波(CKF)[1]的估计精度优于无迹卡尔曼滤波[2]，已得到大量研究与应用[3-4]。Arasaratnam[5]基于信息滤波器形式下的平方根CKF(SCKF)研究了集中式传感器网络中的融合问题。刘华等[6]提出了基于SCKF的集中式序贯融合算法。丁家琳等[7]针对分布式传感器网络提出了基于SCKF的一致滤波算法，其中各节点在每个融合周期内通过若干次交互及迭代信息贡献矩阵，以达到估计结果的平均一致。为提高各节点估计结果的精度和达到一致的速度，Liu等[8]提出基于SCKF的一致滤波算法，其中各节点额外交互了自身得到的先验估计值。

上述基于CKF的融合算法中，传感器到融合中心以及传感器间的数据传输均是周期性的，可称之为周期传输机制。数据传输消耗的能量是传感器能耗的主要部分之一[9]，周期传输机制可能会导致数据传输过于频繁，从而带来较大的通信消耗。事件触发机制通过预设的触发准则选择性传输数据，在减小通信消耗的同时可在一定范围内保证系统的估计精度。针对集中式网络，Battistelli等[10]研究了基于卡尔曼滤波的事件触发融合算法。针对分布式网络，Liu等[11]和Li等[12]分别提出了交互量测和交互局部估计值的事件触发融合算法。……