基于有理数倍采样的异步数据融合算法研究

本文研究了一类具有不同采样率的分布式多传感器动态系统的数据融合问题,针对一类采样率呈有理数倍关系的动态系统,提出一种基于多源异步采样数据的新融合算法.新算法首先是将来自各个传感器的测量值在融合中心的坐标系中和时钟下进行映射统一;其次,以对目标状态下一时刻的预测值与目标在该时刻状态的估计值之差为基础,建立起描述该融合周期内各个观测点处的目标状态向量之间的动态模型;然后,以该时刻目标状态基于全局信息的估计值为条件,结合建立的新模型和传统的Kalman滤波器,利用本周期内按序到达的各传感器观测值,依次对各个观测点处目标的状态进行估计和更新;最后,在顺序得到本周期内各个观测点处目标估计值的同时,也将获得下一时刻目标状态基于全局信息的估计值或预测估计值.文中在给出新算法基本思想的同时,也较为详细地对融合算法进行了推导,并通过计算机仿真的方法,将新算法与基于时间校准的算法在估计精确度上进行了比较,从而验证了新算法的有效性.     

多传感器单模型动态系统多尺度数据融合

利用多尺度分析的思想,将基于模型的动态系统分析方法与基于统计特性的多尺度信号变换方法相结合,建立起目标状态基于多源观测信息的多尺度数据融合估计新算法,在每个尺度上获得目标状态基于全体细尺度上传感器测量信息的融合估计值,此算法可有效地应用于拥有不同采样速率的多传感器动态系统的数据融合估计.     

一类多速率多传感器系统的状态融合估计算法

基于不同传感器以不同采样率对同一目标状态进行观测的多传感器单模型动态系统,该文提出了一种状态融合估计算法。不同传感器之间采样率之比可以是正有理数。该算法不仅具有好的实时性,而且在线性最小方差意义下是最优的。进一步可以证明:融合多个传感器获得的最高采样率下状态的估计值优于单传感器的估计结果,而减少任何一个传感器的信息所获得的估计值的误差协方差都将增大。仿真结果验证了算法的可行性与有效性。     

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.     

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.     

多源观测逆问题的多尺度分布式分层求解算法

针对多源观测逆问题求解时所需的计算量过大这问题,该文给出了多源观测逆问题的一种多尺度分布式分层求解算法。其基本思想是:首先,对各传感器上采集到的观测数据分别进行多尺度分解;其次,基于每个传感器的观测信息,得到目标信号的小波变换系数的局部最优估计值;然后,基于相对误差协方差矩阵提供的信息,在每个尺度上将目标信号的小波系数或最粗尺度系数的局部估计值进行融合;最后,做小波逆变换,得到目标信号基于全局信息的融合估计值。采用该算法求解多源观测逆问题既能得到与采用集中式求解算法相当的估计效果,又能有效地降低求解所需的计算量,进一步增强算法的可实施性。     

机载雷达红外传感器集中式融合与管理

提出一种机载多传感器集中式序贯融合与管理的方法.传统扩展卡尔曼滤波融合算法滤波精度不高,因此先利用雷达传感器的量测,采用修正扩展卡尔曼滤波算法对目标状态进行估计,再把估计值作为红外传感器的预测值进行序贯融合.在此基础上采用分辨力增益的方法对传感器进行管理.仿真结果表明该方法能够提高对目标的跟踪精度,增强跟踪系统对环境变化的适应能力.     

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.     

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。     

The research of gradation fusion algorithm based on multisensor asynchronous sampling system

This letter explores the distributed multisensor dynamic system, which has uniform sampling velocity and asynchronous sampling data for different sensors, and puts forward a new gradation fusion algorithm of multisensor dynamic system. As the total forecasted increment value between the two adjacent moments is the forecasted estimate value of the corresponding state increment in the fusion center, the new algorithm models the state and the forecasted estimate value of every moment. Kalman filter and all measurements arriving sequentially in the fusion period are employed to update the evaluation of target state step by step, on the condition that the system has obtained the target state evaluation that is based on the overall information in the previous fusion period. Accordingly, in the present period, the fusion evaluation of the target state at each sampling point on the basis of the overall information can be obtained. This letter elaborates the form of this new algorithm. Computer simulation demonstrates that this new algorithm owns greater precision in estimating target state than the present asynchronous fusion algorithm calibrated in time does.     

MULTISENSOR DISTRIBUTED EXTENDED KALMAN FILTERING ALGORITHM AND ITS APPLICATION TO RADAR/IR TARGET TRACKING

A multisensor distributed extended Kalman filtering algorithm is presented for nonlinear system, in which the dynamic equation of the system and the equations of sensor's measurements are linearized in the global estimate and global prediction respectively and the suboptimal global estimate based on all available information can be reconstructed from the estimates computed by local sensors based solely on their own local information and transmitted to the data fusion center. An analysis of the properties of the algorithm presented here shows that the global estimate has higher precision than the local one and smaller linearization error than the existing method. Finally, an application of the algorithm to radar/IR tracking of a maneuvering target is illustrated. Simulation results show the effectiveness of the algorithm.     

基于异步多传感器采样量测的最优状态融合估计

针对一类异步多传感器采样系统,在对量测方程形式统一描述的基础上,给出以采样量测顺序为基准的序贯滤波算法的基本思想;为了避免现有右同步提升技术所可能引发的系统非因果这一重要问题,选择将融合周期内所有异步采样量测进行左同步提升,并发展了一种集中式最优状态融合估计算法,同时从理论上严格证明了基于左、右同步提升技术的融合估计算法在精度上的等价性;将三种融合估计算法对两个多速率采样系统进行仿真比较,在验证三种算法估计精度相同的同时,还对三种算法计算代价进行了分析和比较.相关结论对异步多传感器各最优状态估计融合算法的实际应用具有一定指导意义.     

多传感器分布式推广卡尔曼滤波算法及其在雷达红外目标跟踪中的应用

本文提出了一种用于非线性系统的多传感器分布式推广卡尔曼滤波算法,该算法中系统的动态方程和传感器的观测方程分别围绕全局估计和全局预测线性化,融合中心基于所有传感器观测的全局估计由各传感器基于自身观测的局部估计来重构。算法分析说明,全局估计的精度高、误差小。最后介绍了文中算法在雷达和红外两种传感器跟踪机动目标中的应用,仿真结果验证了该算法的有效性。     

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。     

多级式多传感器信息融合中的状态估计

本文多级式传感器监视系统中的状态估计技术,基于背地里传感器Ｋａｌｍａｎ滤波方程,两级集中和分布估计解,本文提出多坐标系中多级式多传感器跟踪系统的三层集中估计方法,在不同笛卡尔坐标系中,本文提出了几种适合于三层多传感器信息融合系统的航迹级融合方法,其中既包括了集－分估计,也包括了分－分估计组合问题,在离散线性假设下,各层估计解都是最优的并且对同一问题的不同表现形式是等价的,另外,文中还给出多级式多传     

李世忠，王国宏，吴 巍，苏少涛

在强对抗条件下雷达/红外双模复合制导跟踪中,雷达采用间歇工作方式可以减少敌方导弹拦截概率和电子支援措施锁定概率。文中在导弹复合制导跟踪中提出了一种雷达间歇工作下的雷达与红外序贯滤波融合算法,该算法针对雷达、红外量测时间不一致的特点,采用顺序处理结构的多传感器集中式融合方法对目标进行跟踪,在跟踪中使用了基于交互多模型和扩展卡尔曼(IMM-EKF)的序贯滤波方法,利用滤波过程中的状态估计协方差与测量误差方差进行比较控制雷达间歇工作。该算法可以自动适应雷达间歇工作,不需要在单/双传感器跟踪模式之间切换,最后通过仿真的方法分析了传感器数据率和雷达间歇工作对跟踪精度的影响。     

基于新的变步长模型的LMS自适应滤波算法

为了解决传统的变步长LMS自适应滤波算法不能有效处理既要求收敛速度快又要求稳态误差小的矛盾,提出了步长因子与误差信号之间的一种新的基于抽样函数非线性模型。该模型在误差信号上增加了指数因子,在仿真实验中,通过调节该指数因子及其他参数,使得算法在初始阶段误差较大时,步长因子能够自动增大,并在误差信号接近零处,有缓慢变化的特性。实验结果表明。提出的算法有很快的收敛速度和较小的稳态误差,可以有效解决上述矛盾,尤其是大幅度提高了算法的收敛速度,便于实时实现。