English
Optimal State Fusion of Linear Systems with Two Channel Observations
文件大小：
239k
资源说明：本文讨论了带有两个观测通道的线性系统的状态融合问题，并提出了一种基于投影公式和创新分析的全局最优递归算法。文中指出，提出的算法对于线性加权融合是全局最优的，等效于集中式卡尔曼滤波。算法对实时需求适应性好，因为来自不同通道的创新是正交的。
文章的标题“Optimal State Fusion of Linear Systems with Two Channel Observations”揭示了本文关注的主题是线性系统的状态融合。具体来说，是在有两个观测通道的情况下，如何实现最优的状态融合。这种状态融合在分布式传感器网络（DSNs）中极为重要，例如在工业、国防和航空航天等领域广泛使用。
描述中提到的状态融合问题，是由于控制系统变得越来越复杂，通常包含大量输入输出的系统状态，需要多通道输出建模来描述。在分布式传感器网络中，通常有大量传感器用于感知任务、本地数据处理，然后通过自己的通道将数据发送至中心站或融合中心（FC）。每个传感器的测量值独立封装在一个数据包中，并通过各自的通道发送至融合中心。为了应对有限的能源供应和通信带宽问题，特别是在无线传感器网络（WSNs）中，提出了分布式架构。
在介绍中还提到了两种基本的估计算法，取决于原始观测值是否直接使用。这说明在进行状态融合时，可以根据实际需求选择不同的观测数据处理方法。
接着，文章的关键字列出了“Two observations channels systems”、“globally optimal fusion”、“Kalman filtering”。这表明本文不仅讨论了两通道观测系统的问题，还涉及到全局最优融合的方法，并且使用了卡尔曼滤波技术。
“Projection formula and innovation analysis”是文中提出算法的理论基础。投影公式在这里指的是如何将观测数据投影到状态空间的最佳估计，而创新分析是指对观测数据的新颖性或创新部分的分析。这些都是卡尔曼滤波技术中的关键概念。
文章强调了算法的全局最优性。这意味着算法在数学上保证了从两个通道获取的观测数据融合后，能够得到这两个通道观测条件下的最佳状态估计。同时，算法基于不同通道的创新正交性，这对实时处理提出了有利条件，因为不同通道的数据不需要复杂的相互调整就可以直接使用。
本文作者Peng Cui、Hongguo Zhao和Mei Zhang分别来自山东大学控制科学与工程学院和泰山学院信息科学技术系。他们可能在实际的控制系统和传感器网络中遇到了这种融合问题，并基于理论研究提出了这一解决方案。
文章的版权信息显示了其出版的年份是2011年，由瑞士的TransTech Publications出版，包括了版权、印刷、电子形式以及传播权限的声明。这表明读者在使用该文内容时需要遵循相应的版权规定。
本文的知识点涵盖了线性系统状态融合、分布式传感器网络、卡尔曼滤波技术、创新分析和投影公式，以及在无线传感器网络中进行实时状态估计的相关技术。这些内容对于控制系统工程、数据融合以及无线网络通信的研究者和工程师来说，具有重要的参考价值。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
