多坐标系中的分布式和联邦式数据融合算法

在坐标转换误差条件下,引入kalman滤波算法的两个重要公式。分析多坐标系传感器系统中分布式kalman滤波算法的特点。在此基础上提出一种改进的联邦式滤波算法。新算法中,通过对量测方程和坐标转换方程的变换,使得本地处理器利用本地坐标系中的量测值,通过kalmam滤波算法直接得到参考坐标系下的状态值。相应的,kalman滤波算法也要根据这种数学变形作适当的修正。这样,在联邦式算法中,仅仅需要一次坐标转换就可以得到状态的全局估计,因此,滤波精度比分布式算法有所提高。仿真的结果也证实了这种性能的改进。