共查询到20条相似文献,搜索用时 171 毫秒
1.
2.
3.
4.
针对纯方位跟踪(BOT)的非线性滤波和距离可观测性较差问题,提出了一种新的分布式多传感器辅助变量伪线性卡尔曼滤波器(DM-IVPLKF)。该滤波器利用辅助变量伪线性卡尔曼滤波器(IVPLKF)独立处理目标测量值,通过偏差补偿伪线性卡尔曼滤波器(偏差补偿PLKF)解决由于量测向量与伪线性噪声相关而产生的偏差,将递归辅助变量估计方法嵌入偏差补偿PLKF中,对目标状态估计和协方差进行修正。所提算法利用多传感器最优信息融合准则,对目标状态进行融合估计。然后,推导了多传感器BOT的克拉默-拉奥下界(CRLB)。通过仿真实验,将所提算法与传统算法进行对比,仿真结果证明了所提算法具有较高的跟踪精度。 相似文献
5.
6.
适用于户外增强现实系统的混合跟踪定位算法 总被引:1,自引:0,他引:1
单一传感器无法解决户外增强现实系统中的跟踪定位问题.为了提高视觉跟踪定位算法的精度和鲁棒性,提出一种基于惯性跟踪器与视觉测量相结合的混合跟踪定位算法.该算法在扩展卡尔曼滤波框架下,通过融合来自视觉与惯性传感器的信息进行摄像机运动轨迹估计,并利用视觉测量信息对惯性传感器的零点偏差进行实时校正;同时采用SCAAT方法解决惯性传感器与视觉测量间的时间采样不同步问题.实验结果表明,该算法能够有效地提高运动估计的精度和稳定性. 相似文献
7.
8.
9.
10.
11.
针对舰载机协同探测中多雷达传感器资源配置问题,提出一种多目标跟踪场景下的多传感器数据率管理与任务分配融合优化算法.在基于协方差控制的多传感器分配模型基础上,加以目标优先级和传感器效能条件约束,建立一种多传感器数据率管理与任务分配融合优化模型.将驻留时间改进因子引入序贯卡尔曼滤波算法,计算不同采样间隔下传感器组合状态估计融合协方差,求解最优采样间隔与传感器组合.仿真结果表明,所提出的融合优化算法能自适应优化数据率和雷达分配组合,提高多传感器的多目标跟踪能力,可有效节省雷达资源,与其他方法相比具有较快的收敛速度和更好的稳态精度. 相似文献
12.
研究了一类通信受限下网络化多传感器系统的 Kalman 融合估计问题, 其中通信受限 是指系统在一个采样周期内只允许有限个传感器与融合中心通信. 首先, 提出了一种周期性分组传输的通信策略, 并将每组传感器所对应的局部估计系统描述成一个离散周期子系统模型. 其次, 每个子系统根据最新测量信息的更新时刻, 选择相应的 Kalman 估计器 (滤波器或预报器), 从而得到各子系统在每一时刻的一个局部最优估计, 再通过矩阵加权线性最小方差最优融合准则得到最优融合估计,并给出了Kalman融合估计器的设计方法. 最后, 通过一个目标跟踪例子验证所提方法的有效性. 相似文献
13.
14.
This paper adopts the concept of random weighting estimation to multi-sensor data fusion. It presents a new random weighting estimation methodology for optimal fusion of multi-dimensional position data. A multi-sensor observation model is constructed for multi-dimensional position. Based on this observation model, a random weighting estimation algorithm is developed for estimation of position data from single sensors. Using the random weighting estimations from each single sensor, an optimization theory is established for optimal fusion of multi-sensor position data. Experimental results demonstrate that the proposed methodology can effectively fuse multi-sensor dimensional position data, and the fusion accuracy is much higher than that of the Kalman fusion method. 相似文献
15.
《Information Fusion》2001,2(1):17-29
Modelling unknown non-linear dynamic processes is an essential prerequisite for model-based state estimation and fusion. Fuzzy local linearisation (FLL) is a useful divide-and-conquer method for coping with complex problems such as data-based non-linear process modelling. In this paper, a hybrid learning scheme which combines a modified adaptive spline modelling (MASMOD) algorithm and the expectation-maximisation (EM) algorithm is developed for FLL modelling, based on which Kalman filter type algorithms for state estimation and multi-sensor data fusion are investigated. Two commonly used measurement fusion methods are analytically compared. A hierarchical multi-sensor data fusion architecture is proposed, with an example of non-linear trajectory estimation to validate the proposed method, which integrates the techniques for FLL modelling, neurofuzzy state estimation and multi-sensor data fusion. Whilst this paper mainly focuses on state estimation and data fusion for unknown non-linear dynamic processes, maneuvering targets are also briefly considered. 相似文献
16.
17.
18.
针对单传感器联合概率数据互联(Joint Probabilistic Data Association, JPDA)在复杂环境下难以跟踪多个目标的问题,提出一种基于JPDA量测目标互联概率统计加权并行式和序贯式多传感器数据融合方法。首先,给出单传感器JPDA算法。然后,介绍多传感器JPDA数学模型,基于这一模型,使用互联概率加权,推导并行式和序贯式多传感器数据融合公式,这对多传感器数据融合有一定指导意义。最后,对单传感器JPDA方法在不同杂波密度、不同过程和不同观测噪声下目标跟踪的距离RMSE进行仿真,结果表明,随着这3项指标皆增大,目标距离RMSE增大;同时,对本文的2类多传感器JPDA方法与其他几类跟踪方法在数据集PETS2009下有关行人跟踪性能进行仿真,结果表明,本文并行式和序贯式多传感器JPDA方法相较于其他方法在跟踪准确性、跟踪位置准确性、航迹维持以及航迹遗失上皆为最优,而且序贯式融合略优于并行式多传感器JPDA。 相似文献
19.
光学头部姿态跟踪的多传感器数据融合研究 总被引:1,自引:0,他引:1
精确的头部姿态跟踪是室内增强现实系统实现高精度注册的关键技术之一. 本文介绍了使用传感器数据融合原理实现高精度的光学头部姿态跟踪的新方法. 该方法使用多传感器数据融合中的扩展卡尔曼滤波器和融合滤波器, 将两个互补的单摄像机Inside-out跟踪和双摄像机Outside-in跟踪的头部姿态进行数据融合, 以减小光学跟踪传感器的姿态误差. 设计了一个典型实验装置验证所提出的算法, 实验结果显示, 在静态测试下的姿态输出误差与使用误差协方差传播法则计算得到的结果是一致的; 在动态跟踪条件下, 与单个Inside-out或Outside-in跟踪相比, 所提出的光学头部姿态数据融合算法能够使跟踪器获得精度更高、更稳定的位置和方向信息. 相似文献
20.
研究了带有未知通信干扰、观测丢失和乘性噪声不确定性的多传感器网络化系统的状态估计问题.通过白色乘性噪声描述系统状态和观测中的随机不确定性,采用一组服从Bernoulli分布的随机变量描述网络传输过程中存在的观测丢失现象,且数据传输中存在未知的网络通信干扰.当发生丢包时,以当前丢失观测的预报值进行补偿.对每个单传感器子系统,应用线性无偏最小方差估计准则设计了不依赖于未知通信干扰的最优线性滤波器.推导了任两个局部滤波误差之间的互协方差阵.进而,应用矩阵加权融合估计算法给出了分布式融合状态滤波器.仿真例子验证了算法的有效性. 相似文献