一种在Kalman滤波中引入径向速度测量的新方法

研究在距离和径向速度测量噪声统计相关的情形下把径向速度测量引入Kalman滤波的新方法。分析了径向速度测量噪声与位置测量更新后状态滤波误差的统计相关性,根据Gauss-Markov定理导出了对应于径向速度测量的滤波方程由此而得到一种序贯滤波算法。两个不同的蒙特卡罗仿真表明,通过采用这一新算法引人径向速度测量,不仅可以大大提高状态估计的精度,而且其估计性能和计算效率优于传统的EKF。     

异类传感器数据融合技术应用

多传感器数据融合技术是智能信息处理领域的一种重要方法。首先介绍了数据融合的分类和异类传感器数据融合的应用优点。建立了一个信息处理系统模型，结合其主要功能单元，详细地分析了异类传感器数据融合在航迹跟踪、目标识别等方面的主要技术难点并给出了工程实践中可行的解决方法。最后介绍了数据融合技术在军事上的主要应用。     

异类传感器集中观测融合UKF滤波算法

由于雷达具有较好的测距性能,红外传感器具有高精度的测角性能.雷达和红外传感器是异类传感器系统的一个典型组合,但是异类传感器信息融合因没有现成的数学工具和方法而面临诸多困难.本文首次将UKF(unscented Kalman filter)引入到异类传感器的信息融合,并且利用集中式观测融合UKF,解决同步配置、同步采样的异类传感器的信息融合问题.仿真结果表明,本算法的SMSE要小得多.     

空管异类传感器数据融合算法研究

现代空管多采用多雷达联网技术对飞机进行监视,以扩大监视空域的覆盖面积并提高对飞机的监视精度.针对ADS-B和雷达测量数据具有不同周期、不同维的特点,提出了基于自适应变维非线性量测最优线性无偏滤波(BLUF)数据融合方法.首先将三维的非线性量测的最优线性无偏滤波推广到六维的情况,然后针对融合中心收到的量测数据的类型采用不同维的最优线性无偏滤波.该融合方法不但有效地解决了ADS-B和雷达测量数据不同周期、不同维给融合带来的困难,还大大提高了融合的精度.通过仿真证明了自适应变维ADS-B和雷达测量数据融合方法的有效性.     

基于LMMSE估计的多传感器目标航迹融合

介绍一种基于线性最小均方差（LMMSE）估计的多传感器目标航迹融合方法。这种方法适于分布式多传感器目标跟踪系统，它具有LMMSE估计器的许多优点。同时，由于它考虑了因公共的目标动态过程噪声引起的估计误差的非独立性的影响，因此，它比基于独立性假设的方法更精确。     

多传感器分布式融合Kalman预报器

应用现代时间序列分析方法,基于ARMA新息模型,在线性最小方差最优信息融合准则下,对于输入噪声与观测噪声相关且观测噪声相关的多传感器系统,分别提出了按矩阵加权、按标量加权和按对角阵加权的3种分布式融合稳态Kalman 预报器。其中提出了基于Lyapunov方程的局部预报估值误差方差阵和协方差阵计算公式。它们被用于计算最优加权,与单传感器情形相比,可提高估值器的精度。一个跟踪系统的仿真例子说明了其有效性,且说明了3种加权融合预报器的精度无显著差别。但标量加权融合预报器可显著减小计算负担,提供一种快速实时信息融合估计算法。     

多通道ARMA信号的三种多传感器信息融合Wiener滤波器

应用现代时间序列分析方法,基于ARMA新息模型、白噪声估值器和观测预报器,对带白色观测噪声的多通道ARMA信号,在线性最小方差最优信息融合准则下,提出了统一的和通用的按矩阵加权、按标量加权和按对角阵加权的多传感器信息融合Wiener滤波器,可统一处理滤波、平滑和预报问题．提出了计算局部估计误差方差和协方差的公式,它们被用于计算最优加权．同单传感器情形相比,可提高滤波精度．一个目标跟踪仿真例子说明了其有效性,且说明了三种加权融合滤波器的精度无显著差异,因而利用按标量加权融合滤波器以轻微的精度损失提供一种快速融合估计算法,便于实时应用．     

4kbps异类激励MVDR语音编码器设计

为了进一步提高中低速率压缩编码器的语音质量,本文对语音的声道和激励模型进行了研究,提出了采用CE/ME异类激励的MVDR语音编码方案.同时,将此方案应用于4kbps语音编码器设计,计算机仿真结果显示其重构语音质量优于4.8kbps CELP编码器.     

异类传感器合成量测的模糊航迹起始方法

雷达/红外联合探测是复合精确制导技术的一个重要发展方向。针对二维雷达、红外传感器存在系统误差以及测量空间不同的情况,提出一种基于量测合成的异类传感器模糊航迹起始方法。该方法首先计算相同周期内异类传感器方位角的拓扑序列,综合利用拓扑序列法和加权平均法对维数不同的量测进行分类与合成,然后累积多个周期的合成量测建立候选目标量测集,最后通过模糊Hough变换(FHT)方法检测目标航迹、实现航迹起始。在航迹检测中,充分利用量测序列的时间信息和目标的运动信息,同时考虑了量测数据的不确定性和航迹确认准则对航迹起始的影响。实验结果表明,提出方法能够有效地实现异类传感器航迹起始,与传统的Hough变换(HT)方法相比,能够降低算法的计算量和提高直线航迹检测的准确率。      

基于REKF的异类传感器异步数据融合算法研究

提出了一种基于异类传感器(R和IR)的数据融合目标跟踪算法,两种传感器具有不同的测量维数,量测数据异步采样并以不同的速率传输到融合中心站点.通过时间匹配技术,完成两种异步数据的融合,然后实现滤波器的状态更新.同时文中讨论了一种REKF(旋转推广卡尔曼滤波:Rotation Extended Kalman Filter)算法,可以有效地解决量测非线性和降低计算量的问题.     

带相关噪声的观测融合稳态Kalman滤波算法及其全局最优性

对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(WLS)法提出了一种加权观测融合稳态Kalman滤波算法,可处理状态、白噪声和信号融合滤波、平滑、预报问题。基于稳态信息滤波器证明了它完全功能等价于集中式观测融合稳态Kalman滤波算法,因而它具有渐近全局最优性,且可减少计算负担。一个跟踪系统仿真例子验证了它的功能等价性。     

基于异构传感器的飞行目标测量数据融合

在飞行目标的靶场试验中,需要对其进行有效的检测、跟踪和精确地完成位置估计.在分析激光跟踪测量系统和红外搜索与跟踪系统的发展现状、工作原理、发展趋势的基础上,提出一种新的基于激光跟踪测量系统和红外搜索与跟踪系统异构传感器的融合模型,对飞行目标在靶场试验的过程中进行数据融合,从而得到更为精确的飞行位置数据.     

一种有效的异质多传感器异步量测融合算法

提出一种不同类型传感器异步量测融合算法,即首先将量测方程线性化,再在融合中心通过建立伪量测方程,得到同步化的量测数据,然后利用一种扩维滤波的思想进行融合处理得到全局估计,最后进行仿真分析。结果表明了该算法的有效性。该算法体现一种并行处理的思想,故数据处理的速度高,特别适用于异步数据的融合处理。     

自校正分布式观测融合Kalman滤波器

对于带未知噪声统计和带具有相同右因子的观测阵的多传感器系统,应用加权最小二乘(WLS)法可得到一个等价的融合观测方程。该文应用现代时间序列分析方法,基于新息模型参数的在线辨识,可估计未知噪声方差,进而提出了自校正加权观测融合Kalman滤波器。在新息模型参数估计是一致的和观测数据是有界的假设下,该文证明了自校正Kalman滤波器收敛于当噪声统计已知时的全局最优融合Kalman滤波器,因而它具有渐近全局最优性。最后给出了一个4传感器跟踪系统的仿真例子并验证了其有效性。     

基于DP-TBD 的不同分辨率传感器集中式异步融合算法

主要运用检测前跟踪动态规划(DP-TBD)算法解决不同分辨率的多传感器多目标融合问题,提出了一种基于DP-TBD的不同分辨率的传感器集中式异步融合算法。该算法分为两步:第一步将不同分辨率的传感器取得的回波数据统一对齐到相同单元格尺寸的量测空间;第二步将具有不同采样间隔的传感器得到的量测数据按照时间顺序传送至融合中心进行集中式融合。接着,用动态规划检测前跟踪算法来处理所得到的数据,并且进行航迹恢复。同时,为了提高异步融合的有效性,文中还提出了一种基于变转移状态数的算法。仿真结果说明基于DP-TBD的集中式异步融合算法的有效性,并且和单个传感器的性能比较,该算法大大改善了目标跟踪的性能。     

Time-varying Bias Estimation for Asynchronous Multi-sensor Multi-target Tracking Systems Using STF

Time-varying bias estimation problem was studied for multi-target tracking systems with asynchronous sensors without knowing bias dynamics. We considered general situations where the number of sensors was arbitrary as well as their sampling rates and initial sampling instants. A two-layer fusion structure was adopted. For each target, a pseudo-measurement of sensor bias was generated by fusing sensor measurements of this target. To make the pseudo-measurement decoupled from the target states the fusion coefficient matrix was determined to be a basis for the left null space of an augmented observation matrix. The bias estimation algorithm was proposed based on the Strong tracking filter （STF） by fusing pseudomeasurements. The proposed algorithm makes use of all available sensor information, has strong tracking ability to abrupt changes and avoids the matrix inversion for large dimensional matrices. Finally, the performance of the proposed algorithm is illustrated by the numerical simulation.     

应变和温度同时测量的交叉灵敏度分析

运用高双折射椭圆纤芯光纤应变和温度灵敏度的公式及相应的泰勒展开式.给出了估计交叉灵敏度大小的公式,阐明了文物理意义,并结合实际数据估计了忽略交叉灵敏度.对于任意应变和温度变化值,由线性方程组求得的解与实际值间的误差.得出了一些具有实际意义的结论.     

含状态等式约束的分布式估计融合

在假设各传感器间观测噪声不相关的基础上,将最优线性无偏估计意义下的分布式最优估计融合公式推广至含状态等式约束的分布式估计融合问题中,并在此约束条件下,先将该约束系统直接转换为投影系统,再利用投影系统中的Kalman滤波估计,分别讨论了两种信息融合方式:中心式与分布式融合。进一步地指出中心式估计融合优于分布式估计融合,并在分布式融合结构下,得到了约束的Kalman滤波估计优于投影的Kalman滤波估计的结论。通过数值模拟论证了两种融合方式下的性能差异。     

光伏系统用于漏电流测量的霍尔闭环传感器设计

基于闭环磁通门技术的传感器广泛应用在测量大电流中的小剩余电流以及噪声共模电流。这类传感器的精度以及对大电流的隔离能力使之成为漏电流检测的最优方案,但通常缺点是成本昂贵且体积庞大。本文介绍了一种新型小尺寸且利用霍尔闭环技术对太阳能系统中的漏电流进行测量的传感器:新一代的LDSR产品。