带反馈信息的分布多传感器航迹融合算法

为了改善传感器级的跟踪性能,本文研究带反馈信息的多传感器状态估计技术。在给出有、无反馈信息情况下的局部节点状态估计解的基础上,该文提出多坐标系中有、无反馈信息情况下的航迹融合方程。并指出有、无反馈信息情况下的两种融合解是等价的、最优的。仿真结果表明,在分布式多传感器信息融合系统中引入反馈机制可以明显改善局部节点估计精度,其性能已接近融合中心。在集中和雷达反隐身系统中,就空间重叠、覆盖而论,融合系统局部节点一般选2至4个为宜。     

带反馈信息的多传感器分层估计算法

为了改善局部节点和传感器级的跟踪性能,本文研究带反馈信息的多级式多传感器系统中的状态估计技术.在给出有反馈信息情况下传感器级状态估计解的基础上,本文提出多坐标系中有反馈信息的两层集中、分布和混合估计方程.在不同笛卡尔坐标系中,本文提出了几种带反馈信息的三层多传感器系统中的航迹级融合方法,其中包括集-分估计、分-分估计和混-分估计,并以定理的形式证明有、无反馈信息情况下的两类三层状态估计是等价的、最优的.仿真结果表明,在多传感器信息融合系统中引入反馈机制可以明显改善一些局部节点和传感器级的跟踪精度.     

船舶动力定位多传感器闭环分级融合算法

为了改善船舶动力定位多传感器的融合性能,提出了一种多传感器闭环分级融合算法.该算法包括基于卡尔曼滤波的局部和全局两级估计,以全局融合信息的反馈作为局部估计的初始值进行时间更新,定义两级估计的映射关系并引入调节系数,自适应地调节全局融合增益.全局估计融入各局部估计过程中,两级估计组成了一个相互补偿的闭环系统.利用船舶半实物仿真系统的试验,仿真验证了该算法的有效性.     

无线传感器网络中基于多比特量化数据的滚动时域状态估计

该文基于多比特的量化策略,提出了无线传感器网络中多比特分布式滚动时域状态估计算法。每个传感器节点预先设定一个包含多个阈值的阈值簿,利用这个阈值簿将观测值量化成多比特,融合中心接收这些比特信息运用滚动时域的思想得到系统的状态估计值,与预期相同。仿真结果表明阈值簿中阈值个数越多则估计的结果会越精确。与单比特滚动时域状态估计方法相比,该方法避免了每一时刻传感器节点接收融合中心的反馈状态估计值用来设计阈值,并且在多比特信息下状态估计值的精度更高。     

不同维传感器的状态估计技术

为改善多传感器系统的状态估计性能,针对各传感器在测量数据联合处理时出现的测量周期不同,导致测量数据不同步的问题,采用数据压缩滤波的方法,使信息同步;由于各测向传感器仅测得目标的方位信息,采用将处理中心的状态估计和预测协方差阵反馈给各测向传感器的数据处理算法,减小各测向传感器局部估计的协方差阵,从而有效地提高系统的估计性能。仿真结果表明,利用提出的方法可使系统达到较好的估计效果。     

雷达与双波段红外探测器融合跟踪系统

利用双波段红外探测系统测到的目标双波段红外辐射信息,推导出目标的伪距离量测信息,使得单站红外探测系统变为可观测系统;在此基础上,采用带反馈的分布式估计融合算法,将雷达与双波段红外探测系统得到的局部航迹进行融合,并将每次融合估计的结果反馈给局部传感器,使得融合中心达到最优性能的同时,减小了雷达和红外局部估计的误差.仿真结果表明:①单站红外探测系统利用目标的双波段红外辐射信息能够对目标进行有效地跟踪,跟踪精度较高;②带反馈的布式估计融合算法具有良好的跟踪性能,而且能够明显改善局部传感器的跟踪精度.     

两级混合多传感器信息融合中的状态估计

在混合式多传感器信息融合系统中,一部分传感器通过处理它们的数据产生局部航迹,另一部分传感器则只提供检测报告,这些航迹和检测报告被传送到融合中心完成航迹融合和组合滤波。本文提出适合于两级混合式多传感器系统的全局最优状态估计解。在这种结构中,融合中心首先需要融合来自L个传感器的局部估计,然后基于其它N-L个传感器的观测,利用Kalman滤波技术依次更新已融合的航迹。本文还考虑了各传感器分布在不同地理位置时的状态估计问题。     

两级混合多传感器信息融合中的状态估计

在混合式多传感器信息融合中,一部分传感器通过处理它们的数据产生局部航迹,另一顺则只提供检测报告,这些航迹和检测报告传到融合中心完成航迹融合和组合滤波。本文提出适合于两级混合式多传感器系统的全局最优状态估计解,在这种经 融合中心首先需要融 来自Ｌ个传感器的局部估计,然后基于其它Ｎ－Ｌ个传感器的观测,利用Ｋａｌｍａｎ滤波技术更新已融合的航迹,本文还考虑了各传感器分布拓不同地理位置时的状态估计问题。     

容积卡尔曼一致滤波

针对卡尔曼一致滤波的应用受限于被估计系统需 满足线性条件的问题,通过容积卡尔曼滤波(CKF)和一致性策 略的动态结合,提出一种容积卡尔曼一致滤波(CKCF)算法。算法采用分布式融合机制, 传感器节点采集可通信相邻 节点的信息,并作为自身节点的量测信息应用于CKF,获取局部状态估计 值。在此基础上,利用一 致性策略实现对整个量测系统中传感器节点局部估计值的优化,进而通过增强传感器节点估 计值一致性实现目标 状态估计精度的提升。相对于标准卡尔曼一致滤波,本文算法将一致性策略推广到非线性系 统估计领域。理论分析 与仿真实验验证了算法的可行性与有效性。     

非线性系统的异步多速率数据 融合估计算法研究

 研究了一类非线性时变动态系统的状态估计问题,在不同传感器以不同采样率异步对同一目标进行观测时,提出了一种有效的数据融合估计算法.通过建立多尺度模型,将异步多速率系统形式转化为同步多速率系统;在每一步分别进行状态的预测和更新.在状态和观测预测时,采用强跟踪滤波(STF)算法;在状态更新时,采用有反馈分布式结构,顺序的利用每一个传感器的观测信息去更新状态的估计;从而基于给定的非线性系统模型,得到融合所有异步、多速率传感器观测信息的状态估计结果.该方法不需要对状态或观测进行扩维,计算量适当,从而保证了算法的实时性.仿真结果验证了算法的有效性.     

基于强跟踪滤波器的多传感器非线性动态系统状态与参数联合估计

本文将强跟踪滤波理论与多传感器数据融合技术相结合,提出基于强跟踪滤波器的多传感器状态与参数联合估计新算法;对拥有相同采样率的分布式多传感器单模型非线性动态系统,应用强跟踪滤波器,得到目标状态基于全局信息融合估计结果,并利用计算机仿真结果对算法的有效性进行了验证;这些工作初步解决了Kalman滤波中由于模型的不确定性而造成估计误差值偏大情况下的状态融合估计问题,从而丰富和发展了多源信息融合理论.     

变拓扑非完全连通网络中的分布式机动目标跟踪算法研究

完全分布式的机动目标跟踪是传感器网络等应用中亟待解决的关键问题。本文针对变拓扑非完全连通网络,提出一种基于网络共识的多模型信息滤波器( Consensus based Multiple Model Information Filter, C-MMIF)。 C-MMIF基于标准IMM框架,保证了估计最优性;并通过构造目标运动模式概率和状态估计的信息滤波形式,使节点间运算相互独立。同时,每个独立节点仅需与其相邻节点通讯,利用平均网络共识分布式优化算法对自身信息状态进行更新,实现节点间对目标运动模式及状态的一致估计。最后在无人机与地面传感器网络协同对地机动目标跟踪场景下进行算法仿真验证,结果证明该方法可以在无融合处理中心且网络拓扑变化情况下,使各节点实现对机动目标的一致有效跟踪。     

基于光电跟踪系统的联合Kalman滤波器算法研究

传统光电跟踪系统中,采用单传感器方式进行目标跟踪存在跟踪不稳定及传感器切换时跟踪精度大幅度下降等问题.利用融合光电跟踪系统多个传感器信息可以提高系统性能的特点,研究了采用联合Kalman滤波器的融合算法.首先对各传感器获取的目标轨迹数据进行局部滤波,然后由全局滤波器对各局部滤波器的目标轨迹估计进行融合处理,得到目标状态估计的更新.实验仿真结果表明,该融合算法实现了目标的稳定跟踪,其跟踪精度高于传统单传感器跟踪模式,并且有效地解决了传感器失效造成的跟踪精度严重下降问题.     

一类多速率传感器动态系统的建模与估计

研究了一类时变线性动态系统的多速率多传感器数据融合状态估计问题.首先,在不同传感器以不同采样率对同一目标进行观测的情况下,提出了一种多速率建模方法,该方法可将多采样率的融合估计问题转化为同采样率的状态估计问题.随后,利用Kalman滤波对目标状态进行了在线估计,并利用有反馈分布式融合结构对上述估计进行了有机融合,从而获得了目标状态的最优融合估计值.该方法不需要对状态或观测进行扩维,计算量适当,保证了算法的实时性.以景象匹配辅助GPS/INS组合导航为例,在两种采样关系下,分别做了仿真,仿真结果验证了算法的有效性.     

基于跟踪质量熵的分布式组网雷达航迹融合算法

针对分布式多传感器融合系统中,传统的航迹融合算法未充分考虑不同传感器探测跟踪性能不同带来的航迹质量的不确定度差异,导致融合后的航迹质量下降的问题,提出了一种基于跟踪质量熵的航迹融合算法。首先,构建融合中心所有局部航迹的跟踪质量熵模型,根据熵大小排序并划分不确定度等级;然后,选择质量熵排序队列的航迹作为参考数列,利用灰度理论对不同局部节点的来自同一目标源的航迹进行聚类;最后,将聚类后的航迹,根据不确定等级进行分群融合,并把不确定等级较低的航迹融合后的状态反馈至各局部节点进行局部融合。该方法提高了局部节点的跟踪质量,增强了航迹融合的正确性,仿真验证了该方法的可行性和有效性。     

一种基于分步式滤波的数据融合算法

本文提出了一种基于分步式滤波的多传感器动态系统数据融合算法.在由多传感器组成的分布式动态系统中,当对目标状态的所有观测值到来时,首先基于系统先前信息对该时刻目标状态进行预测估计,利用Kalman滤波器和各局部观测值依次对该时刻目标状态的估计值进行更新,从而得到该时刻目标状态基于全局信息的融合估计值.文中详细推证了融合算法的具体形式,并与传统的集中式数据融合算法在计算复杂度上进行了比较,计算机仿真表明该算法与传统的集中式算法对目标状态具有相同的估计精确度.     

卷积码差分跳频系统抗部分频带干扰的性能

基于对无编码差分跳频系统抗部分频带干扰性能的研究,将卷积码引入差分跳频系统,研究了在有精确干扰状态信息的情况下,采用无迭代译码和迭代译码时相对于无编码系统的性能改善.同时,在无法得到精确干扰状态信息的情况下,提出了一种迭代干扰状态估计及译码算法.理论分析结果表明:在有精确干扰状态信息的情况下,采用卷积纠错编码和无迭代译码,对可用频率数为8的差分跳频系统,当比特误码率(BER)为10~(-6)时,性能改善约为2.5dB;而采用迭代译码,当BER为10~(-10)时,相对于无迭代译码,性能可进一步改善6dB.仿真结果则验证了迭代估计及译码算法的正确性,采用该算法可使编码系统在无精确干扰状态信息的情况下,仍能保持良好的抗干扰能力.     

一类多速率动态系统的异步数据融合算法

针对不同传感器以不同采样率、异步对同一目标进行观测的一类线性时不变动态系统,给出了一种有效的状态融合估计方法.利用该方法进行状态估计,首先根据多尺度系统理论,针对每一个传感器分别建立起相应的系统模型;然后利用Kalman滤波和有反馈分布式融合结构进行数据融合并给出状态估计.该方法避免了插值以及状态和观测的扩维,具有较好的实时性.理论分析和仿真结果均表明,融合估计结果在估计误差方差最小意义下,优于最高采样率的传感器Kalman滤波的结果,融合算法是有效的.     

基于RB粒子滤波的多传感器目标跟踪融合算法

构建面向多传感器信息融合系统的粒子滤波(PF)器是拓展采样型非线性滤波应用领域的关键,针对PF在多传感器融合目标跟踪系统的有效实现问题,提出了一种基于Rao-Blackwellized(RB)PF(RB-PF)的多传感器目标融合跟踪(MT-RB-PF)算法。首先,利用RB建模技术实现跟踪系统非线性状态估计的降维处理;其次,结合多传感器融合系统特点,给出一种多量测下粒子权重优化新方法用以改善粒子权重度量的可靠性和稳定性;最终,通过标准PF和卡尔曼滤波(KF)实现非线性和线性状态分量的估计,并利用状态重构方法构建当前时刻的状态估计值。理论分析和仿真实验验证了算法的有效性。     

分布式传感器多目标跟踪改进算法

利用分布式传感器网络进行目标跟踪,能够有效增加传感器的覆盖范围,提高对运动目标的检测和跟踪能力,但如何充分利用相邻传感器之间的信息进行有效的融合,仍然是一个难点问题。本文在多伯努利滤波框架下,提出了一种改进的分布式融合跟踪算法用于目标数未知且变化的多目标跟踪。提出算法包含三种精度提升策略,即特征级融合反馈、决策级融合输出及交互反馈;其中,决策级融合输出策略可以提取更加准确的估计状态,特征级融合反馈策略可以降低错误融合结果对后续滤波过程的不良影响,交互反馈策略可以避免单传感器因漏检而导致的滤波失败。实验结果表明,提出算法的跟踪精度明显要优于传统的基于GCI分布式融合算法以及粒子多伯努利跟踪算法,具有较好的跟踪性能。