多源信息融合数据+程序+报告小车位置估计

基于扩展卡尔曼滤波的室内定位方法，多源信息融合课程报告，附带程序和数据。

%%
%分布式融合检测
%一共两步声纳，在H0处为均值为零，方差为一的高斯分布，sigma1=sigma2=1;
%u1=1.8;
%u2=2.2;
%f（x）=exp（-（x-ui）.^2/2）/sqrt（2*pi）;
%norminv为求-Inf到x的高斯分布的概率

%P（ui=1|H1）=Pdi
%P（ui=0|H0）=1-Pfi;


%%
clear all;
clc;

%检测器一
figure;
u1=1.8;
d1=u1.^2;
u2=2.2;
d2=u2.^2;
u=（u1+u2）/2;
d=u.^2;

count=1;
Pd1=zeros（101）;
Pd2=zeros（101）;
Pdf=zeros（101）;
for Pf=0.00001:0.025:1
    Pf
    Vt=0-norminv（Pf01）;
    y21=sqrt（d1）-Vt;
    y22=sqrt（d2）-Vt;
    Vt1=u1-y21;
    Vt2=u2-y22;
    syms x;
    f（x）=exp（-（x-u1）.^2/2）/sqrt（2*pi）;
    Pd1（count1）=double（int（f（x）Vt1Inf））;
    syms x;
    g（x）=exp（-（x-u2）.^2/2）/sqrt（2*pi）;
    Pd2（count1）=double（int（g（x）Vt2Inf））;
    
    %融合检测概率
    %P0=（Pd2（count1）+Pf）*（Pd1（count1）+Pf）*Pf*Pf+（Pd1（count1）+Pf）*（2-Pd2（count1）-Pf）*Pf*（1-Pf）+（Pd2（count1）+Pf）*（2-Pd1（count1）-Pf）*Pf*（1-Pf）+（2-Pd1（count1）-Pf）*（2-Pd2（count1）-Pf）*（1-Pf）*（1-Pf）;
    %P1=（Pd2（count1）+Pf）*（Pd1（count1）+Pf）*Pd2（count1）*Pd1（count1）+（Pd1（count1）+Pf）*（2-Pd2（count1）-Pf）*Pd1（count1）*（1-Pd2（count1））+（Pd2（count1）+Pf）*（2-Pd1（count1）-Pf）*Pd2（count1）*（1-Pd1（count1））+（2-Pd1（count1）-Pf）*（2-Pd2（count1）-Pf）*（1-Pd1（count1））*（1-Pd2（count1））;
    P1=1-（1-Pd1（count1））*（1-Pd2（count1））;
%     P0=Pf.^2;
%     P1=Pd1（count1）*Pd2（count1）;
%     P1/P0
    Pdf（count1）=P1;
    count=count+1;
end
plot（0.00001:0.025:1Pd1（:1）‘r‘）;
hold on;
plot（0.00001:0.025:1Pd2（:1）‘b‘）;
hold on;
plot（0.00001:0.025:1Pdf（:1）‘k‘）;
hold off;

title（‘固定虚警概率的检测融合曲线效果图‘）;
xlabel（‘Pf‘）;
ylabel（‘Pd‘）;
legend（‘检测器一曲线‘‘检测器二曲线‘‘并行分布式融合曲线‘）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-05-22 10:04  多元信息融合实验\
     文件        1680  2017-01-06 11:17  多元信息融合实验\distributed_detection_fusion.m
     文件       28577  2016-11-21 20:43  多元信息融合实验\location.txt
     文件       15823  2015-09-06 22:40  多元信息融合实验\locationv3.txt
     文件        4129  2017-01-06 15:48  多元信息融合实验\robotic_fusion.m
     文件      335756  2018-05-22 10:04  多元信息融合实验\多元信息融合报告-扩展卡尔曼滤波.docx