抗差稳健状态信息融合研究

论文摘要

信息融合(Information Fusion)是上世纪80年代兴起的一门信息处理技术,亦称为多传感器信息融合技术,是通过对来自多种传感器的数据进行多级别,多方面,多层次的处理与综合,以期获得比单传感器更丰富、更精确、更可靠的信息。经过二十多年的发展,随着传感器技术的迅速发展和多传感器系统的大量涌现,多传感器信息融合技术已经获得了广泛的研究和发展。目前,信息融合,特别是状态信息融合已广泛应用于空中交通管制、国防、海港监控、机器人视觉、遥感、气象预报和智能交通等领域。稳健性是对信息融合的重要要求之一。然而现有的信息融合算法主要针对理想的环境,很少考虑到现实的恶劣环境。而在实际环境下系统将会受到粗差、干扰等的影响,这些将严重影响信息融合的精确度,甚至在某种情况下该影响将导致系统发散和崩溃。另外,随着科技的发展,系统对复杂背景条件下信息融合精度的要求越来越高,因此为了解决传统的信息融合算法在稳健性上的局限,获取目标状态的精确估计,就迫切需要应用新的理论和工具。本研究即是在此基础上,从抗差估计理论出发,针对当前工程应用中的实际问题,对多传感器状态信息融合的稳健性能进行了深入的研究。本文的主要工作成果包括以下三个方面:(1)对卡尔曼抗差滤波估计的原理进行了分析,并且针对抗差理论中基于M估计的三种权函数,即Huber法,丹麦法和IGG法,从现实中观测数据的分布情况、能否应用和效率三个方面进行了分析。(2)在时域的卡尔曼抗差滤波估计中,由于等价权是置于等价方差的分母上,因此当残差比较大时就很可能出现等价权为零的情况,从而造成滤波的发散,因此IGG方案不适宜卡尔曼滤波稳健估计。本文在时域对IGG方案进行改进并应用于卡尔曼抗差滤波估计当中。仿真实验表明这种自适应的卡尔曼抗差滤波能够抵抗粗差并获得精确的滤波估计性能。(3)首次将IGG抗差方案引入频域,将观测信号中丰富的多速率信

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 信息融合现状
• 1.2.1 多传感器信息融合的方式
• 1.2.2 多传感器信息融合的方法
• 1.2.3 多传感器信息融合的结构
• 1.2.4 基于卡尔曼滤波的多传感器状态信息融合
• 1.3 当前信息融合存在的问题
• 1.4 本文的研究内容与研究工作
• 第二章 抗差估计理论
• 2.1 引言
• 2.2 抗差估计理论
• 2.2.1 等价权原理
• 2.2.2 几种常用的等价权函数的分析
• 2.3 本章小结
• 第三章 时域的自适应卡尔曼抗差估计
• 3.1 引言
• 3.2 经典卡尔曼滤波原理与算法
• 3.2.1 卡尔曼滤波基本方程
• 3.2.2 卡尔曼一步预测方程
• 3.3. KALMAN 抗差滤波估计
• 3.3.1 Kalman 抗差滤波估计基本原理
• 3.3.2 三种等价权函数在Kalman 抗差滤波估计中的应用与分析
• 3.3.3 仿真效果
• 3.4 本章小结
• 第四章 小波变换与多速率模型
• 4.1 引言
• 4.2 小波变换
• 4.2.1 连续小波变换
• 4.2.2 离散小波变换
• 4.3 多分辨率分析
• 4.3.1 多分辨率分析的基本定义
• 4.3.2 离散序列小波变换
• 4.4 多速率运动模型
• 4.4.1 1/2 常速模型
• 4.4.2 1/2 常加速模型
• 4.4.3 1/3 速率运动模型
• 4.5 本章小结
• 第五章 基于自适应抗差多速率模型的鲁棒交互式多传感器状态融合
• 5.1 引言
• 5.2 时域的抗差滤波估计
• 5.3 小波域的自适应抗差估计
• 5.3.1 小波变换及其对粗差的变换特征
• 5.3.2 自适应抗差估计思想
• 5.4 自适应抗差多速率模型与稳健参数估计
• 5.5 交互式多模型算法
• 5.6 基于自适应抗差多速率模型的鲁棒交互式多传感器状态融合算法
• 5.7 仿真分析
• 5.8 本章小结
• 第六章 总结与展望
• 6.1 论文工作总结
• 6.2 相关工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文