異質(zhì)傳感器數(shù)據(jù)融合方法研究.pdf

1、異質(zhì)傳感器數(shù)據(jù)融合技術是利用不同類型的傳感器探測目標以獲取多方面的信息，得到比單一傳感器更準確的目標狀態(tài)估計。針對異質(zhì)傳感器目標跟蹤系統(tǒng)中存在的一些導致跟蹤精度降低的問題，本文提出了一些解決方法。論文的主要工作如下： 1.闡述了數(shù)據(jù)融合的概念、基本原理及其發(fā)展狀況。然后介紹了在不同準則下的狀態(tài)估計理論基礎。 2.在實際目標跟蹤系統(tǒng)中，由于環(huán)境、機械故障等各種因素，使得傳感器實際的量測統(tǒng)計特性與先驗設定的統(tǒng)計特性相差較大，

2、若量測方差仍按先驗統(tǒng)計特性，勢必造成狀態(tài)估計值產(chǎn)生較大誤差。本文根據(jù)新息的正交特性對量測方差進行自適應調(diào)整，使其滿足新息的正交特性，獲取最優(yōu)增益，進而修正狀態(tài)預測估計值，使估計誤差的方差為最小。仿真結(jié)果表明，該算法能夠克服野值對狀態(tài)最優(yōu)預測估計的不利影響，提高目標跟蹤精度。 3.針對目標跟蹤系統(tǒng)中可能出現(xiàn)的傳感器漏檢現(xiàn)象，基于多傳感器融合的量測預測值對各傳感器量測值的信任度計算出任意兩傳感器量測值之間的相似度，利用概率源合并理論

3、和非負矩陣特征向量理論獲得各傳感器量測值與其他傳感器的綜合相似度，以此確定出每個傳感器的權重。該算法實時調(diào)整各傳感器量測值的融合權重，有效地抑制了漏檢傳感器量測值對量測融合值的不利影響，提高了系統(tǒng)的跟蹤精度。 4.針對“當前”統(tǒng)計模型中加速度極限值的預先設定問題，本文提出了一種基于位移預測協(xié)方差的改進機動目標跟蹤算法。該算法采用擴展卡爾曼濾波實現(xiàn)異質(zhì)傳感器融合；同時避免了加速度極限值的預先設定對狀態(tài)估計的不利影響。仿真結(jié)果表明，