信息融合非線性濾波及在無源定位的應用.pdf

1、在運動目標跟蹤、現(xiàn)代信號處理、圖像處理、自動控制等很多領(lǐng)域里面都存在量測方程或是狀態(tài)方程非線性的問題,當前對非線性系統(tǒng)的狀態(tài)估計無論在理論上還是在工程中都有著十分重要的意義。而現(xiàn)有的非線性濾波方法實際上都是一些近似算法,存在精度不高容易發(fā)散等缺點,只能在一定程度上解決非線性估計問題。
　　 在非線性系統(tǒng)的狀態(tài)估計中引入多傳感器信息融合理論,可以在不增加測量基站的前提下,應用多種不同的傳感器測量同一目標,融合這些測量信息就可得到準

2、確度和穩(wěn)定性更高的估計值,是一種提高非線性濾波精度的實用方法。本文針對非線性估計問題應用信息融合理論,提出了一系列信息融合非線性濾波器,并把其中一些理論應用在無源定位跟蹤上。這些算法不但提高了濾波估計的精度,而且增加了系統(tǒng)的穩(wěn)定性。
　　 本文中首先針對非線性系統(tǒng),應用線性最小方差信息融合準則,提出了多傳感器信息融合擴展卡爾曼濾波器(Extended Kalman Filter,EKF),并且給出了用于計算最優(yōu)加權(quán)的局部濾波誤差

3、方差和協(xié)方差的公式。
　　 然后對于非線性系統(tǒng),應用線性最小方差信息融合準則,提出了多傳感器信息融合無跡卡爾曼濾波器(Unscented Kalman Filter,UKF),并且給出了用于計算最優(yōu)加權(quán)的局部濾波誤差方差和協(xié)方差的公式。
　　 其次對于非線性系統(tǒng),應用線性最小方差信息融合準則,提出了一系列的多傳感器信息融合粒子濾波器——信息融合粒子濾波器(Particle Filter,PF)、信息融合擴展卡爾曼粒子濾波

4、器(Extended Kalman Particle Filter,EKPF)、信息融合無跡粒子濾波器(Unscented Particle Filter,UPF)、信息融合高斯粒子濾波器(Gaussian Particle Filter,GPF)及信息融合高斯和粒子濾波器(Gaussian Sum Particle Filter,GSPF),并且給出了用于計算最優(yōu)加權(quán)的局部濾波誤差方差和協(xié)方差的公式。
　　 最后深入研究了無源

5、定位系統(tǒng),利用擴展卡爾曼濾波理論中的線性化量測方程的方法,推導出了基于擴展卡爾曼濾波器的無源定位濾波器、無源定位預報器、無源定位平滑器的公式。并應用信息融合理論,在線性最小方差準則下,提出了無源定位系統(tǒng)的多傳感器信息融合濾波器、多傳感器信息融合預報器、多傳感器信息融合平滑器的形式,同時給出了用于計算最優(yōu)加權(quán)的局部估計誤差方差和協(xié)方差的公式。
　　 本文通過一些仿真例子說明了所提出信息融合非線性濾波方法和信息融合無源定位算法的有效