第一个书签之前
第一章 绪 论
1.1 研究工作的背景与意义
1.2 国内外研究历史与现状
1.2.1 标准卡尔曼滤波
1.2.2 多传感器网络和共识问题
1.2.3 分布式卡尔曼滤波
1.2.4 最大相关熵理论
1.3 本文的拟解决的关键性问题和研究内容
1.4 本论文的结构安排
第二章 最大相关熵理论与分布式卡尔曼理论基础
2.1.1 模型描述
2.1.2 网络共识问题
2.2 分布式卡尔曼滤波器
2.2.1 卡尔曼滤波器推导
2.2.2 集中式卡尔曼滤波器
2.2.3 去中心化的分布式卡尔曼滤波器
2.3.1 核函数
2.3.2 最大相关熵准则
2.3.3 与最小均方误差准则的对比
2.3.4 最大相关熵卡尔曼滤波器
2.4 本章小结
第三章 基于相关熵的分布式卡尔曼滤波器
3.1 模型描述
3.1.1 目标与传感器网络模型
3.1.2 稀疏噪声
3.2.1 相关熵在随机过程中的应用
3.2.2 多观测值下的目标函数
3.3.1 集中式相关熵卡尔曼滤波
3.3.2 分布式相关熵卡尔曼滤波
3.4 分布式相关熵卡尔曼滤波性能分析
3.4.1 不动点法的收敛性
3.4.2 卡尔曼滤波的稳定性
3.5 本章小结
第四章 分布式相关熵卡尔曼滤波器的共识策略
4.1 共识的种类及评价标准
4.2.1 传统的平均共识
4.2.2 协方差交叉融合的加权共识
4.2.3 KL散度共识
4.3 基于相关熵的共识策略
4.4 算法分析
4.4.1 共识稳定性分析
4.4.2 共识的上限分析
4.4.3 复杂度分析
4.5 本章小结
第五章 分布式最大相关熵卡尔曼滤波器性能实验与仿真
5.1 实验场景
5.2 仿真一 最大相关熵卡尔曼滤波超参数选择实验
5.3 仿真二 各分布式估计算法精度对比实验
5.4 仿真三 共识策略共识性能对比实验
5.5 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致 谢
参考文献
附录
攻读硕士学位期间取得的成果
电子科技大学;