本文關(guān)鍵詞：基于兩階段Kalman濾波的多傳感器信息融合，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科學(xué)技術(shù)的快速發(fā)展,單傳感器監(jiān)測技術(shù)已經(jīng)漸漸不能滿足人們的需求,多傳感器技術(shù)在社會生活、工農(nóng)業(yè)生產(chǎn)、尤其是國防軍事等領(lǐng)域發(fā)揮著越來越重要的作用。多雷達(dá)組網(wǎng)系統(tǒng)是多傳感器系統(tǒng)的典型代表,因為雷達(dá)系統(tǒng)組成元件的離散性、老化、漂移及環(huán)境因素的影響,多雷達(dá)組網(wǎng)系統(tǒng)不可避免地出現(xiàn)相對固定的系統(tǒng)偏差。由于雷達(dá)系統(tǒng)中系統(tǒng)誤差的存在,會在一定程度上影響雷達(dá)觀測信息的融合探測跟蹤性能,因此在利用多雷達(dá)組網(wǎng)系統(tǒng)對目標(biāo)進(jìn)行探測跟蹤時需要對自身系統(tǒng)偏差進(jìn)行估計與補償(即,空間配準(zhǔn))�？臻g配準(zhǔn)的一種常用手段是對系統(tǒng)狀態(tài)與系統(tǒng)偏差進(jìn)行聯(lián)合估計,兩階段Kalman濾波是一種處理聯(lián)合估計問題的有效方法,本文基于兩階段Kalman濾波器開展多傳感器信息融合問題研究,主要包含以下內(nèi)容:首先,在并列集中式融合框架下,利用觀測值擴(kuò)維融合的思想,將各傳感器的觀測信息擴(kuò)維為系統(tǒng)狀態(tài)的增廣觀測矩陣,并構(gòu)建對應(yīng)的增廣觀測方程;在此基礎(chǔ)上,基于單傳感器的兩階段Kalman濾波器對系統(tǒng)狀態(tài)和系統(tǒng)偏差進(jìn)行聯(lián)合估計;并通過仿真研究分析了并列集中式兩階段Kalman融合濾波方法的有效性與可行性。然后,依據(jù)并列分布式融合框架,在分析各傳感器局部兩階段Kalman濾波結(jié)果的基礎(chǔ)上,利用系統(tǒng)狀態(tài)估計誤差協(xié)方差陣構(gòu)建對應(yīng)的加權(quán)融合系數(shù),進(jìn)而實現(xiàn)系統(tǒng)狀態(tài)的全局融合估計,提出了標(biāo)準(zhǔn)分布式框架下的并列式兩階段Kalman融合濾波方法;并利用仿真驗證了并列分布式兩階段Kalman融合濾波方法性能的優(yōu)越性。由于并列式融合濾波結(jié)構(gòu)需要所有觀測信息或者局部估計結(jié)果全部到達(dá)融合中心之后才能進(jìn)行融合處理,進(jìn)而得到全局融合濾波結(jié)果。序貫式融合濾波結(jié)構(gòu)能夠在觀測信息(或者局部估計結(jié)果)到達(dá)融合中心時,就能夠?qū)⑵渑c系統(tǒng)狀態(tài)的當(dāng)前預(yù)測值或者估計值進(jìn)行融合,從而提高融合處理的實時性。為此,本文進(jìn)一步研究了序貫集中式兩階段Kalman融合濾波方法和序貫分布式兩階段Kalman融合濾波方法。序貫集中式兩階段Kalman濾波器能夠在觀測信息到達(dá)融合中心時就利用其在系統(tǒng)狀態(tài)當(dāng)前預(yù)測值或者估計值的基礎(chǔ)上,對系統(tǒng)狀態(tài)和系統(tǒng)偏差值進(jìn)行估計,從而更新當(dāng)前系統(tǒng)狀態(tài)的估計值,在利用最后一個傳感器的觀測信息進(jìn)行兩階段Kalman濾波后就能夠得到系統(tǒng)狀態(tài)的全局最優(yōu)估計。該方法不僅能夠保證融合濾波過程的實時性,而且每次濾波過程對系統(tǒng)計算性能的要求相對較小。序貫分布式兩階段Kalman濾波能夠按照各傳感器局部估計信息到達(dá)融合中心的順序依次對各局部估計信息進(jìn)行融合處理,當(dāng)最后一組局部估計信息到達(dá)融合中心時,融合中心能夠得到基于全局信息的融合估計結(jié)果;數(shù)值仿真部分驗證了本文給出的序貫分布式兩階段Kalman濾波的融合實時性。
【關(guān)鍵詞】：多傳感器系統(tǒng) 兩階段Kalman濾波 并列集中式融合 序貫集中式融合 并列分布式融合 序貫分布式融合
【學(xué)位授予單位】：河南工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN713;TP212
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-19
• 1.1 引言10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-14
• 1.3 多傳感器信息融合的定義及特點14-15
• 1.4 信息融合的起源與現(xiàn)狀15
• 1.5 融合估計理論15-17
• 1.6 本文的主要內(nèi)容及章節(jié)安排17-18
• 1.7 本章小結(jié)18-19
• 第2章 基礎(chǔ)知識19-33
• 2.1 Kalman濾波的基礎(chǔ)知識19-24
• 2.1.1 線性最小均方誤差準(zhǔn)則19
• 2.1.2 Kalman濾波器19-24
• 2.2 兩階段Kalman濾波24-29
• 2.2.1 系統(tǒng)描述24-25
• 2.2.2 濾波過程25-29
• 2.3 信息融合的結(jié)構(gòu)29-32
• 2.4 本章小結(jié)32-33
• 第3章 基于兩階段Kalman濾波的多傳感器并列式融合濾波33-50
• 3.1 引言33
• 3.2 系統(tǒng)描述33-34
• 3.3 融合思路34-36
• 3.4 并列集中式多傳感器融合估計36-42
• 3.4.1 算法介紹36-38
• 3.4.2 計算機仿真38-42
• 3.5 并列分布式多傳感器融合估計42-48
• 3.5.1 單個傳感器的局部濾波42-44
• 3.5.2 分布式融合44
• 3.5.3 計算機仿真44-48
• 3.6 本章小結(jié)48-50
• 第4章 基于兩階段Kalman濾波的多傳感器序貫式融合濾波50-71
• 4.1 引言50
• 4.2 系統(tǒng)描述50-51
• 4.3 序貫集中式多傳感器融合估計51-62
• 4.3.1 系統(tǒng)描述51-57
• 4.3.2 計算機仿真57-62
• 4.4 序貫分布式多傳感器融合估計62-70
• 4.4.1 系統(tǒng)描述62-66
• 4.4.2 計算機仿真66-70
• 4.5 本章總結(jié)70-71
• 第5章 總結(jié)與展望71-74
• 5.1 研究總結(jié)71-72
• 5.2 進(jìn)一步工作72-74
• 參考文獻(xiàn)74-77
• 致謝77-78
• 個人簡歷78

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 程志剛;;多雷達(dá)組網(wǎng)系統(tǒng)空間配準(zhǔn)方法研究[J];艦船科學(xué)技術(shù);2015年12期

2 全振中;石志勇;王懷光;王毅;;基于平方根序貫處理的兩階段卡爾曼濾波算法[J];彈箭與制導(dǎo)學(xué)報;2013年04期

3 宋文彬;;傳感器數(shù)據(jù)空間配準(zhǔn)算法研究進(jìn)展[J];傳感器與微系統(tǒng);2012年08期

4 陳燦輝;張曉林;霍航宇;;衛(wèi)星導(dǎo)航系統(tǒng)中基于序貫處理的Kalman濾波[J];通信學(xué)報;2012年01期

5 王建衛(wèi);;分布式雷達(dá)系統(tǒng)誤差修正[J];現(xiàn)代雷達(dá);2011年11期

6 廖陽;王睿;曾昭博;熊加遙;;兩階段卡爾曼濾波自適應(yīng)交互式多模型算法[J];探測與控制學(xué)報;2010年03期

7 劉華;黃勝昔;;基于序貫無跡卡爾曼濾波的雷達(dá)目標(biāo)跟蹤方法[J];計算機工程與應(yīng)用;2009年25期

8 曹軼之;隋立芬;范澎湃;;一種Kalman濾波系統(tǒng)誤差及其協(xié)方差矩陣的半?yún)?shù)估計方法[J];測繪科學(xué);2009年02期

9 劉煜;楊哲;韓崇昭;;傳感器定姿偏差的空間配準(zhǔn)算法研究[J];現(xiàn)代雷達(dá);2009年02期

10 彭志專;馮金富;聶光戍;谷志勇;;基于修正擴(kuò)展卡爾曼序貫濾波的信息融合算法[J];空軍工程大學(xué)學(xué)報(自然科學(xué)版);2007年05期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 葉宏;多傳感器系統(tǒng)配準(zhǔn)算法研究[D];中國工程物理研究院;2014年

2 田雪怡;多傳感器數(shù)據(jù)關(guān)聯(lián)與航跡融合技術(shù)研究[D];哈爾濱工程大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 陳舜乾;多傳感器信息融合中的偏差配準(zhǔn)問題研究[D];南京理工大學(xué);2010年

2 高蕊;多傳感器目標(biāo)跟蹤融合算法研究[D];西北工業(yè)大學(xué);2006年

  本文關(guān)鍵詞：基于兩階段Kalman濾波的多傳感器信息融合，，由筆耕文化傳播整理發(fā)布。

本文編號：291797