一種不同傳感器數據的融合算法-設計應用

精品文檔-下載后可編輯一種不同傳感器數據的融合算法-設計應用1引言多傳感器的集成與融合技術已經成為智能機器與系統(tǒng)領域的一個重要的研究方向。它涉及信息科學的多個領域，是新一代智能信息技術的基礎之一。由于單傳感器不可避免存在不確定或偶然不確定性，缺乏全面性，缺乏魯棒性，所以偶然的故障就會導致系統(tǒng)失效。多傳感器集成與融合技術正是解決這些問題的良方。多個傳感器不僅可以描述同一環(huán)境特征的多個冗余的信息，而且可以描述不同的環(huán)境特征。多個傳感器的使用還可以使信息采集和處理過程并行化，不僅可以得到更全面、更準確的信息，而且減少時間和成本，提高整個系統(tǒng)的性能。多傳感器集成與融合的特點就是冗余性、互補性、及時性和低成本性。本文從建立偽量測方程的角度，提出了一種異質多傳感器的異步量測融合算法，該算法是通過在融合中心建立偽量測方程使各傳感器的數據同步，然后利用同步的思想進行處理，通過計算機仿真進行了驗證。2系統(tǒng)模型不失一般性，以在球面坐標系中運動的目標為例進行分析，則離散時間線性系統(tǒng)的狀態(tài)方程為：X（k+1）=F（k+1，k）X（k）+Γ（k+1，k）V（k）（1）其中，X（k）為k時刻目標的狀態(tài)向量；kF（k+1，k）為狀態(tài)轉移矩陣；Γ（k+1，k）為過程噪聲轉移矩陣；V（k）是零均值，高斯白噪聲序列，其協方差陣為Q（k）。在實際情況下，傳感器得到的是三維球坐標系或二維極坐標系的目標量測，即包括斜距r、方位角a和俯仰角e.假設某一傳感器的測量方程為：Z（k）=h（X（k））+W（k）（2）其中，W（k）是k時刻的測量高斯白噪聲，其相互獨立且協方差為R（k），量測向量Z（k）包括斜距r（k）、方位角a（k）、俯仰角e（k），坐標轉換如圖2所示，由其定義可得：

3測量方程的線性化由于測量方程（2）是一個非線性方程，可以利用泰勒級數展開，對其進行線性化，展開圍繞者預測狀態(tài)X（k/k-1）進行，表示如下：其中觀測斜距用的量測矩陣Hr（k）由下式表示為：

故狀態(tài)方程（1）和測量方程（4）組成線性化目標運動模型。4融合算法假設采用N個傳感器對目標進行觀測，TI是第i個傳感器的采樣間隔，且在每個時間間隔［（k-1）T，kT］（T為融合周期）內各傳感器共產生了Nk個量測，在該時間間隔內，某個傳感器可能產生一個或幾個量測，nik為傳感器i提供量測的數目，則有：

若某個傳感器j，在該時間間隔內沒有提供量測，那么在式（5）中nik=0，這些量測在該時間間隔內是任意分布的。令λik（i=1，2，…，Nk）為獲得第i量測時間與KT之間的間隔，為方便標記，以下KT簡寫為K，如圖2所示，則量測i的測量方程可表示為：

則單個融合間隔內的量測集合可表示為：

直到k時刻為止各傳感器所有量測集合可表示為：

其中，Z（k），H（k），η（k）分別為擴維后的觀測矢量、觀測矩陣和測量噪聲矢量，且有E［η（k）］=0，偽量測噪聲之間的協方差矩陣為：

偽量測噪聲與系統(tǒng)噪聲之間的協方差矩陣為：

在條件1下，根據偽系統(tǒng)模型（1），（10），通過求解給定偽測量條件下關于目標狀態(tài)的概率密度函數推導出相應的并行濾波異步數據融合算法：

則式（12）~（16）構成了異質多傳感器擴維濾波融合算法，從中可知，該異步數據融合算法，計算較為簡便，但其是在條件1下的濾波融合，故該算法在性能上為次優(yōu)。5仿真分析假設采用雷達（測量值為斜距，方位角和俯仰角）和紅外（方位角和俯仰角）2個傳感器同時跟蹤1個目標，設勻速直線運動目標的初始狀態(tài)向量為x（0）=［30000，-200，20000，150，1000，10］T，測量周期為T1=T2=2s，傳感器2比傳感器1晚1s開始采樣，雷達和紅外傳感器的測距、測方位和測俯仰的精度為：σr=100m，σa1=7mrad，σa2=6mrad，σe1=2mrad，σe2=1mrad，進行100次MonterCarlo仿真實驗，采用濾波RMSE的均值Ps來度量各融合算法的估計精度，且：

仿真結果如圖3所示。6結語本文提出一種不同傳感器數據的融合算法，即首先是通過建立偽量測方程得到同步化的偽量測數據，之后利用一種擴維濾波的思想得到目標狀態(tài)的估計，由于該算法適用與不同類型傳感器異步數據的融合，所以該算法是一種實際算法。多傳感器信息融合技術涉及到多學科、多領域，且具有多信息量、多層次、多手段等特點，并在機器人、故障診斷、圖像處理等民用領域中，充分發(fā)揮了強大的信息