多传感器最优估计与融合算法

多传感器最优估计与融合算法

论文摘要

随着传感器技术、通信技术的发展,对各种面向复杂应用背景的多传感器系统的研究越来越受到人们的关注,在多传感器系统中,状态融合估计是多传感器信息融合理论的一个非常重要的研究领域,如何利用多个传感器的信息更准确的估计出系统状态,在跟踪领域及需要精确估计的其它领域应用十分广泛。本文的研究内容是多传感器信息融合理论的中的最优估计与融合算法理论,并对与之相关的常见问题进行了深入的分析和研究。首先介绍了实际应用中比较常见的系统结构,详细的阐述了在分布式和集中式系统结构下的最优融合算法,并对其性能进行了比较分析。论文系统的研究了各个测量传感器相关的多传感器融合系统,对于测量噪声相关矩阵是确定的,且该矩阵可以通过相似变换变成对角阵的多传感器系统,给出了最优的集中式、分布式估计,并再此基础上,提出了一种与集中式最优融合估计等价的新算法,在条件满足的情况下,这种算法可以减少计算量,有一定的实用性。仿真结果验证了其与集中式最优融合估计算法的等价性。针对非线性动态系统的状态融合估计问题,介绍了在最小均方误差(MMSE)条件下的加权方法,并且提出了基于无迹卡尔曼滤波(UKF)的加权融合算法,研究表明这种融合算法能够克服扩展卡尔曼滤波(EKF)在状态融合估计中的不足,可以得到更为准确的状态融合估计结果,并且通过两种融合算法的仿真实验对比验证了基于UKF加权融合算法的良好性能。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 数据融合的产生背景、概念和原理
  • 1.2 多传感器信息融合系统的优点
  • 1.3 信息融合的级别
  • 1.4 位置级信息融合
  • 1.5 本文工作与安排
  • 第二章 多传感器最优估计与融合算法理论基础
  • 2.1 引言
  • 2.2 常用的多传感器信息融合算法
  • 2.3 状态估计的主要方法
  • 2.4 卡尔曼滤波概述
  • 2.5 本章小结
  • 第三章 多传感器融合的结构模型
  • 3.1 检测级融合结构
  • 3.2 属性级融合结构
  • 3.3 位置级融合结构模型
  • 3.4 最优融合算法
  • 3.5 本章小结
  • 第四章 测量噪声相关的多传感器融合算法
  • 4.1 引言
  • 4.2 系统模型
  • 4.3 最优融合估计算法
  • 4.4 Pei-Radman 融合估计方法
  • 4.5 本章小节
  • 第五章 非线性系统中多传感器的状态融合估计
  • 5.1 引言
  • 5.2 多传感器加权融合算法
  • 5.3 非线性系统的状态估计
  • 5.4 “Unscented”卡尔曼滤波
  • 5.5 基于UKF 的多传感器数据融合算法
  • 5.6 本章小结
  • 第六章 总结与展望
  • 致谢
  • 参考文献
  • 相关论文文献

    • [1].传感器技术融入“创新思维”的课程改革探索[J]. 轻工科技 2019(12)
    • [2].传感器技术在机电自动化控制中的应用[J]. 价值工程 2020(01)
    • [3].非线性传感器的融合在多小车平台中的应用[J]. 变频器世界 2019(11)
    • [4].堡盟的视野——访堡盟电子(上海)有限公司过程传感器业务发展经理张力[J]. 今日制造与升级 2019(11)
    • [5].《仪表技术与传感器》2019年总目次[J]. 仪表技术与传感器 2019(12)
    • [6].盾构设备中传感器技术的运用[J]. 云南水力发电 2019(06)
    • [7].传感器技术在机电技术中的应用探析[J]. 价值工程 2020(02)
    • [8].用于通过经皮传感器对患者进行分析的系统[J]. 传感器世界 2019(10)
    • [9].农业种植养殖传感器产业发展分析[J]. 现代农业科技 2020(02)
    • [10].2019年全球传感器行业市场现状及发展前景分析,预测2024年市场规模将突破3000亿[J]. 变频器世界 2019(12)
    • [11].传感器技术在机电自动化中的应用[J]. 科技风 2020(03)
    • [12].机电自动化中传感器技术的创新与发展[J]. 科技创新与应用 2020(07)
    • [13].车用传感器实验课程教学改革[J]. 科技风 2020(11)
    • [14].传感器技术在机电自动化系统中的应用[J]. 科技风 2020(10)
    • [15].自动化和检查传感器技术确保产品高质量[J]. 橡胶参考资料 2020(02)
    • [16].应用型本科院校“传感器技术”课程教学方案优化分析[J]. 无线互联科技 2020(04)
    • [17].机电技术中传感器技术运用效果分析[J]. 中国设备工程 2020(09)
    • [18].机电自动化控制过程中传感器技术的应用方法[J]. 中国设备工程 2020(12)
    • [19].研究人员开发出传感器皮肤 可为机器人抓手提供细腻的触感[J]. 润滑与密封 2020(05)
    • [20].机电一体化系统中传感器技术的运用研究[J]. 湖北农机化 2020(09)
    • [21].传感器技术在机电自动化控制中的应用[J]. 湖北农机化 2020(09)
    • [22].传感器技术在机械电子中的应用[J]. 信息通信 2020(06)
    • [23].新工科背景下传感器与检测技术课程改革与实践[J]. 教育现代化 2020(41)
    • [24].基于微课高职《传感器与检测技术》课程教学实践研究[J]. 计算机产品与流通 2020(09)
    • [25].传感器技术在机电自动化控制中的应用[J]. 科技风 2020(21)
    • [26].风向传感器校准装置对比试验与探讨[J]. 海峡科学 2020(07)
    • [27].关于传感器技术在机电自动化中的实践探讨[J]. 产业创新研究 2020(16)
    • [28].传感器技术在智慧农业中的应用研究[J]. 南方农机 2020(14)
    • [29].多传感器技术工业机器人的应用分析[J]. 黑龙江科学 2020(20)
    • [30].机电自动化控制中传感器技术的应用探讨[J]. 电子制作 2020(20)

    标签:;  ;  ;  

    多传感器最优估计与融合算法
    下载Doc文档

    猜你喜欢