Estimación fusión centralizada en sistemas con múltiples sensores con ruidos correlados en el tiempo
Se estudia el problema de estimación fusión centralizada en sistemas en tiempo discreto con múltiples sensores, cuyas medidas están perturbadas por matrices de parámetros aleatorios y ruidos aditivos secuencialmente correlados. Se supone que dichos ruidos son la salida de sistemas lineales afectados por ruidos blancos y, con objeto de eliminarlos del modelo de observación, este es transformado, mediante diferenciación, en uno equivalente, en el sentido de proporcionar los mismos estimadores lineales óptimos. Usando un tratamiento por innovaciones y sin requerir el modelo de evolución de la señal, sino sólo información de covarianzas, se obtienen algoritmos recursivos de filtrado y suavizamiento de punto fijo a partir de las observaciones transformadas. La precisión de los estimadores propuestos, lineales óptimos en el sentido de mínimos cuadrados, se evalúa mediante las matrices de covarianza de los errores de estimación, para las que también se deducen fórmulas recursivas.
Palabras clave: Sistemas multisensor estimación fusión ruidos secuencialmente correlados
Otros trabajos en la misma sesión
Últimas noticias
-
04/07/19
Programa científico completo disponible -
31/05/19
Convocado Premio INE 2019 -
13/04/19
Inscripción ya abierta