分布式最小误差熵卡尔曼滤波器
非高斯噪声下高精度
面向无线传感器网络非高斯噪声场景，以最小误差熵准则提升分布式估计精度，并给出降低通信成本的扩散实现。
Feng, Zhenyu · 王刚 · 彭倍 · He, Jiacheng · 张坤
Information Fusion 2023
技术优势
精度更高
引入最小误差熵准则构建信息融合，显著提升非高斯噪声下的估计精度。
通信更省
采用扩散策略进行节点间信息融合，在同等精度下降低通信成本。
可证收敛
所提两种算法均给出收敛性证明，保证实际应用中的稳定性。
应用场景
- 无线传感器网络状态估计：用于非高斯噪声环境下的分布式状态估计，提升定位与跟踪精度。
- 群体智能融合：为群体智能系统提供鲁棒的分布式信息融合，抵抗非高斯干扰。
- 智能体协同定位：在智能体间交换融合信息，提高协同定位精度。
- 水声通信定位：应对水声通信中的非高斯噪声，保证定位精度同时降低通信负担。
- 物联网数据融合：在物联网数据融合中消除非高斯噪声影响，提高估计可靠性。