协同滤波器与信息滤波器的比较研究.pdfVIP

协同滤波器与信息滤波器的比较研究 －多传感器融合课程报告 王永才 自研22 wangyongcai@ 摘要：协同滤波器(collective filter)和信息滤波器(information filter)是分布式 kalman 滤波的两 种主要实现方法。本文从介绍分布式 kalman 滤波的定义和三大特征入手，在分析了分布式 kalman 滤波的特点之后，着重介绍了协同滤波器和信息滤波器分布式实现过程。然后针对 通讯量和计算量以及收敛速度进行评价，比较了两种实现方法的优势和不足。最后通过一个 应用实例给出了定量的比较结果。 1 引言 智能设备的小型化及其功能的日益强大正在推动着一场分布式处理的革命[ 1] 。Kalman 滤波器作为传统的、重要的数据处理手段，也受到了这场革命的冲击。在Kalman 滤波的几 个重要应用领域中，例如移动目标的定位与跟踪，飞机、汽车和机器人导航等领域中，新的 小型化的智能设备例如 PDA, 移动 pc ，智能传感器，单兵手持设备，车载系统，小型机器 人的出现，带来了对Kalman 滤波的分布式实现的要求。小型的智能设备计算能力有限，并 具有移动性和灵活性以及不可靠的特点。传统的集中式的Kalma n 滤波无论是 Track-to-Track 还是顺序滤波都需要较大的计算量，并需要可靠的中心处理器，难以在这样的小型智能设备 上实现。为实现Kalman 滤波的分布化，一些学者做了理论上和实践上的尝试。主要思路是 利用小型设备之间的通讯和信息交互，使多个小型设备协同工作，每个设备分担较小的计算 量，但从整体上实现Kalman 滤波的预测和更新过程。本文将着重介绍这方面的两大成果： 协同滤波器 （collective filter ）[2]和信息滤波器 （information filter ）[3] 。介绍其分布式实现 过程，并比较各自的特点。 2 分布式Kalman 滤波 2.1 分布式kalman滤波的约束条件和特点 图1 描述了分布式Kalman 滤波的网络模型。分布式Kalman 滤波的定义可以用它的三 个约束条件来进行描述：（为方便起见，本文称进行分布式Kalman 滤波的设备为节点） 1. 网络没有中心控制器进行数据处理，每个节点自身具备数据处理功能 2. 节点通过通讯进行信息交互，协同完成滤波任务 3. 节点不具备网络的全局信息，每个节点只知道与其邻居的连接信息 图1. 分布式kalman 滤波 需求越少则适应性就越好，分布式kalman 滤波的三个约束条件为它带来了三大特点： 1. 无需中心控制器使分布式kalman 滤波具有较好的扩展性。 2. 节点无需知道全局信息，使得分布式 kalman 滤波对节点的加入和离开具有很好的 鲁棒性。 3. 每个节点只需和邻居进行通信和节点之间的对等性，使得分布式kalman 滤波能够 得以模块化实现。 2.2 分布式Kalman滤波对实现方式的要求 虽然分布式Kalman 滤波具有扩展性和鲁棒性好及易于模块化的特点，但其分布式实现 并非易事。这是因为传统的Kalman 滤波本质上是一种集中式的迭代方法。在迭代时需要完 成对方差矩阵的传递。要实现分布式Kalman 滤波必须克服以下三方面的困难： 1. 方差矩阵在分布式机制下的完整性。方差矩阵是连接Kalman 滤波的两次迭代之间 的关键因素，而且是Kalman 滤波中计算量较大的部分。在分布式机制下需要节点 协同工作保证方差矩阵的完整。 2. 克服交叉相关性的影响。由于节点之间需要进行信息交互，在信息交互之后每个节 点本身的迭代过程并不独立于其它节点。在分布式实现过程中需要克服交叉相关性 的影响。 3. 减少节点的计算量和节点间的通讯量。分布式实现的目的是利用协同通讯减少每个 节点上的计算量，但通讯量也需要控制。 上述三方面的困难为Kalman 滤波的分布式实现提出了挑战。本文将在下一节着重介绍 Kalman 滤波的两种分布式实现方法：协同滤波器和信息滤波器。 3 分