基于两阶段Kalman滤波的多传感器信息融合

发布时间：2017-04-08 02:00

  本文关键词：基于两阶段Kalman滤波的多传感器信息融合，由笔耕文化传播整理发布。

【摘要】：随着科学技术的快速发展,单传感器监测技术已经渐渐不能满足人们的需求,多传感器技术在社会生活、工农业生产、尤其是国防军事等领域发挥着越来越重要的作用。多雷达组网系统是多传感器系统的典型代表,因为雷达系统组成元件的离散性、老化、漂移及环境因素的影响,多雷达组网系统不可避免地出现相对固定的系统偏差。由于雷达系统中系统误差的存在,会在一定程度上影响雷达观测信息的融合探测跟踪性能,因此在利用多雷达组网系统对目标进行探测跟踪时需要对自身系统偏差进行估计与补偿(即,空间配准)。空间配准的一种常用手段是对系统状态与系统偏差进行联合估计,两阶段Kalman滤波是一种处理联合估计问题的有效方法,本文基于两阶段Kalman滤波器开展多传感器信息融合问题研究,主要包含以下内容:首先,在并列集中式融合框架下,利用观测值扩维融合的思想,将各传感器的观测信息扩维为系统状态的增广观测矩阵,并构建对应的增广观测方程;在此基础上,基于单传感器的两阶段Kalman滤波器对系统状态和系统偏差进行联合估计;并通过仿真研究分析了并列集中式两阶段Kalman融合滤波方法的有效性与可行性。然后,依据并列分布式融合框架,在分析各传感器局部两阶段Kalman滤波结果的基础上,利用系统状态估计误差协方差阵构建对应的加权融合系数,进而实现系统状态的全局融合估计,提出了标准分布式框架下的并列式两阶段Kalman融合滤波方法;并利用仿真验证了并列分布式两阶段Kalman融合滤波方法性能的优越性。由于并列式融合滤波结构需要所有观测信息或者局部估计结果全部到达融合中心之后才能进行融合处理,进而得到全局融合滤波结果。序贯式融合滤波结构能够在观测信息(或者局部估计结果)到达融合中心时,就能够将其与系统状态的当前预测值或者估计值进行融合,从而提高融合处理的实时性。为此,本文进一步研究了序贯集中式两阶段Kalman融合滤波方法和序贯分布式两阶段Kalman融合滤波方法。序贯集中式两阶段Kalman滤波器能够在观测信息到达融合中心时就利用其在系统状态当前预测值或者估计值的基础上,对系统状态和系统偏差值进行估计,从而更新当前系统状态的估计值,在利用最后一个传感器的观测信息进行两阶段Kalman滤波后就能够得到系统状态的全局最优估计。该方法不仅能够保证融合滤波过程的实时性,而且每次滤波过程对系统计算性能的要求相对较小。序贯分布式两阶段Kalman滤波能够按照各传感器局部估计信息到达融合中心的顺序依次对各局部估计信息进行融合处理,当最后一组局部估计信息到达融合中心时,融合中心能够得到基于全局信息的融合估计结果;数值仿真部分验证了本文给出的序贯分布式两阶段Kalman滤波的融合实时性。
【关键词】：多传感器系统 两阶段Kalman滤波 并列集中式融合 序贯集中式融合 并列分布式融合 序贯分布式融合
【学位授予单位】：河南工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN713;TP212
【目录】：

• 摘要4-6
• Abstract6-10
• 第1章 绪论10-19
• 1.1 引言10-11
• 1.2 国内外研究现状11-14
• 1.3 多传感器信息融合的定义及特点14-15
• 1.4 信息融合的起源与现状15
• 1.5 融合估计理论15-17
• 1.6 本文的主要内容及章节安排17-18
• 1.7 本章小结18-19
• 第2章 基础知识19-33
• 2.1 Kalman滤波的基础知识19-24
• 2.1.1 线性最小均方误差准则19
• 2.1.2 Kalman滤波器19-24
• 2.2 两阶段Kalman滤波24-29
• 2.2.1 系统描述24-25
• 2.2.2 滤波过程25-29
• 2.3 信息融合的结构29-32
• 2.4 本章小结32-33
• 第3章 基于两阶段Kalman滤波的多传感器并列式融合滤波33-50
• 3.1 引言33
• 3.2 系统描述33-34
• 3.3 融合思路34-36
• 3.4 并列集中式多传感器融合估计36-42
• 3.4.1 算法介绍36-38
• 3.4.2 计算机仿真38-42
• 3.5 并列分布式多传感器融合估计42-48
• 3.5.1 单个传感器的局部滤波42-44
• 3.5.2 分布式融合44
• 3.5.3 计算机仿真44-48
• 3.6 本章小结48-50
• 第4章 基于两阶段Kalman滤波的多传感器序贯式融合滤波50-71
• 4.1 引言50
• 4.2 系统描述50-51
• 4.3 序贯集中式多传感器融合估计51-62
• 4.3.1 系统描述51-57
• 4.3.2 计算机仿真57-62
• 4.4 序贯分布式多传感器融合估计62-70
• 4.4.1 系统描述62-66
• 4.4.2 计算机仿真66-70
• 4.5 本章总结70-71
• 第5章 总结与展望71-74
• 5.1 研究总结71-72
• 5.2 进一步工作72-74
• 参考文献74-77
• 致谢77-78
• 个人简历78

【参考文献】

中国期刊全文数据库 前10条

1 程志刚;;多雷达组网系统空间配准方法研究[J];舰船科学技术;2015年12期

2 全振中;石志勇;王怀光;王毅;;基于平方根序贯处理的两阶段卡尔曼滤波算法[J];弹箭与制导学报;2013年04期

3 宋文彬;;传感器数据空间配准算法研究进展[J];传感器与微系统;2012年08期

4 陈灿辉;张晓林;霍航宇;;卫星导航系统中基于序贯处理的Kalman滤波[J];通信学报;2012年01期

5 王建卫;;分布式雷达系统误差修正[J];现代雷达;2011年11期

6 廖阳;王睿;曾昭博;熊加遥;;两阶段卡尔曼滤波自适应交互式多模型算法[J];探测与控制学报;2010年03期

7 刘华;黄胜昔;;基于序贯无迹卡尔曼滤波的雷达目标跟踪方法[J];计算机工程与应用;2009年25期

8 曹轶之;隋立芬;范澎湃;;一种Kalman滤波系统误差及其协方差矩阵的半参数估计方法[J];测绘科学;2009年02期

9 刘煜;杨哲;韩崇昭;;传感器定姿偏差的空间配准算法研究[J];现代雷达;2009年02期

10 彭志专;冯金富;聂光戍;谷志勇;;基于修正扩展卡尔曼序贯滤波的信息融合算法[J];空军工程大学学报(自然科学版);2007年05期

中国博士学位论文全文数据库 前2条

1 叶宏;多传感器系统配准算法研究[D];中国工程物理研究院;2014年

2 田雪怡;多传感器数据关联与航迹融合技术研究[D];哈尔滨工程大学;2012年

中国硕士学位论文全文数据库 前2条

1 陈舜乾;多传感器信息融合中的偏差配准问题研究[D];南京理工大学;2010年

2 高蕊;多传感器目标跟踪融合算法研究[D];西北工业大学;2006年

  本文关键词：基于两阶段Kalman滤波的多传感器信息融合，，由笔耕文化传播整理发布。

本文编号：291797