The estimation problem may posed in terms of a single sensor making measurements on a single process or, more generally, in terms of multiple sensors and multiple processes. The latter case is referred to as a multisensor system. In a multisensor system in which each individual sensor has its own "built-in' Kalman filter, one is interested in combining the estimates from these independent data sources (i.e., the built-in Kalman filter) to generate a global estimate that will, ideally, be optimal.
The study on the algorithm for integrating the multisensor measurement data begins by surveying existing theories and examining the characterization of the decentralized estimation algorithm without feedback and with feedback, and the federated filtering algorithm. All of the previous works result in the global estimate of the state in a decentralized system, but they all still require extensive calculations of the local and global inverse covariances. The decentralized estimation algorithm using gain transfer can eliminate this costly computational requirement: instead of the inverse covariances, a global processor receives the information in the form of a Kalman gain transfer from local systems and formulates the global estimate.
A new decentralized estimation algorithm using gain transfer introduced in this dissertation with parallel processing capability and with more general form for the decentralized estimation. In the proposed algorithm developed here, there is no need to calculate the measurement update of the local covariances in order to obtain the global estimates. In addition, the computational burden is significantly reduced as compared to currently proposed methods that require the inversion of potentially large matrices. These characteristics make the proposed algorithm very attractive for real time multi-sensor integration.
Some outstanding examples of multisensor system occur in the field of navigation and tracking. Navigation is the estimation of the state of the platform on which the sensor is located. And tracking is the estimation of the state of a moving object based on remote measurements.
An inertial navigation system (INS) utilizes the inertial properties of sensors mounted aboard the vehicle to execute the navigation function. The performance and reliability of an aided inertial navigation system can often be improved considerably by integrating multiple sensors with a standard INS. Using the proposed decentralized estimation algorithm, it can be seen that the proposed decentralized estimation algorithm is suitable for such aided inertial navigation systems having the large number of system states
For tracking problems, in this dissertation, a new decentralized IMM algorithm using gain transfer has been proposed which considers the problem of combining the local state estimates in a distributed sensor network. And, from the simulation study, the proposed algorithm provides the convincing results and has considerable advantage in terms of the requirement of computational complexity.
시스템의 상태 변수를 추정하기 위하여 측정치를 얻는 경우에, 하나의 센서로 측정치를 얻는 경우와 여러 가지의 다중 센서로 측정치를 얻는 경우가 있다. 후자의 경우를 다중 센서 시스템이라고 부른다. 각각의 센서에 자체의 칼만 (Kalman) 필터가 장착되어 있는 이러한 다중 센서 시스템에서는 각 센서의 독립된 칼만 필터 출력을 융합하여 최적화된 전역(global) 추정치를 얻어내는 일이 중요하다.
우선 다중 센서의 독립된 칼만 필터 출력을 융합하는 기존의 분산 추정 기법에 대하여 간략하게 기술하는 것으로부터 본 논문을 시작하였다. 현재까지 제안된 기존의 분산 추정 기법에서는 최적화된 전역 추정치를 얻어낼 수는 있으나 공분산의 역행렬을 계산해야 하는 단점이 있다. 하지만 이득 전달을 이용한 분산 추정 기법은 이러한 단점을 극복할 수 있다. 즉, 각 지역(local) 필터의 칼만 이득 값을 이용하여 전역 추정치를 얻어낼 수 있다.
본 논문에서는 이득 전달을 이용한 새로운 분산 추정 기법을 제안하였다. 본 논문에서 제안한 분산 추정 기법에서는 준최적의 전역 추정치를 얻게 되지만 공분산의 역행렬로 표현된 칼만 필터 식이 아닌 일반적인 칼만 필터 식으로 분산 추정 기법을 구현함으로서 공분산의 역행렬로 표현된 칼만 필터 식이 갖고있는 단점을 극복할 수 있게 되었다. 그 중에서도 특히 많은 계산 양이 요구되는 공분산의 역행렬을 직접 계산하지 않고 전역 추정치를 얻을 수 있게 되었다.
제안된 분산 추정 기법을 다중 센서 시스템이 많이 응용되는 분야인 항법 (navigation) 및 추적(tracking) 문제에 적용하여 제안된 기법의 유용성 검토를 수행하였다. 여기에서 항법이란 센서가 장착된 플랫폼(platform)의 상태 변수를 추정하는 것이며, 추적이란 멀리 떨어진 운동 표적의 상태 변수를 추정하는 것을 일컫는 말이다. 항법 분야에서 대표적인 시스템으로는 다중의 보조 센서를 이용하는 관성항법장치(inertial navigation system)를 들 수 있다. 본 논문에서 제안된 분산 추정 기법을 다중 센서를 이용한 보조 관성항법장치에 모의 실험을 통하여 적용한 결과 제안된 기법이 이러한 다중 센서 보조 관성항법장치에 유용하게 응용될 수 있음을 알 수 있었다.
다중 센서를 이용한 추적 문제에의 적용을 위해서는 이득 전달을 이용한 새로운 DIMM (decentralized interacting multiple model) 기법을 제안하였다. 이 기법을 모의 실험을 통하여 다중 센서 추적 문제에 적용한 결과 믿을만한 추정치를 얻을 수 있었으며, 계산 양이 현저하게 감소되는 것을 볼 수 있었다.
