基于传感器融合的汽车防撞算法研究

论文摘要

随着科学技术的发展,近20年来,多传感器数据融合技术日益受到人们的普遍关注。多传感器数据融合在解决探测、跟踪和目标识别等问题上,具有抗干扰、生存能力强,时空覆盖范围大,增加了测量维数,增强了探测性能,提高了系统的可靠性和准确性,空间分辨能力强,反应灵敏,各传感器优势性能互补等优点。其主要应用于军事领域及智能机器人、遥感、医疗诊断、自动监视、图像处理、模式识别和复杂工业过程控制等相关领域。多传感器数据融合研究目的是如何通过综合多信息源的信息获得比依靠任何单个信息源更加准确和更加确定的估计与推理,也是本文的研究主题。本文主要是围绕基于传感器融合的汽车防撞算法这一问题来进行研究的,首先分析传感器融合系统的模型,多传感器目标跟踪的模型及其状态估计方法。由于数据融合处理过程较为复杂,文章还详细分析了贝叶斯粒子滤波的原理及其数据处理方法,粒子滤波采用一些带有权值的随机样本(粒子)来表示所需要的后验概率密度,而不是采用传统的线性变换,并对经典的纯方位跟踪问题进行了仿真。建立了汽车主动避撞的安全距离模型,分析了汽车在制动的各个阶段其制动距离的一般算法,然后考虑在实际情况中各种因素的影响,给出了汽车在不同加速条件时其制动距离的算法。最后,本文以雷达传感器和红外传感器融合为例,依据一般假设条件,雷达传感器和红外传感器测量周期不成整数倍,将雷达的采样结点作为参考点,红外传感器的量测数据面向雷达量测数据进行同步,并且将统计特性表达式代入量测数据同步融合过程中,然后对算法进行了仿真验证。在序列蒙特卡洛粒子滤波的基础上建立模型,通过用Matlab/Simulink仿真软件对模型进行仿真,证明该算法的有效性。

论文目录

• 中文摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 汽车防撞的研究背景及意义
• 1.2 汽车防撞系统简介
• 1.3 信息融合技术的国内外研究现状
• 1.4 论文的主要研究内容及结构安排
• 第2章 多传感器数据融合及目标跟踪技术
• 2.1 多传感器数据融合的基本原理
• 2.2 多传感器数据融合系统的模型
• 2.2.1 多传感器数据融合系统的功能模型
• 2.2.2 多传感器数据融合系统的结构模型
• 2.2.3 多传感器数据融合系统的层次模型
• 2.3 多传感器信息融合中的目标跟踪技术
• 2.3.1 多传感器目标跟踪的类型
• 2.3.2 机动目标跟踪的常用模型
• 2.4 多传感器信息融合中的状态估计方法
• 2.4.1. 最小二乘估计
• 2.4.2 加权最小二乘估计
• 2.4.3 最小方差估计
• 2.4.4 线性最小方差估计
• 2.4.5 基于参数估计的方法
• 第3章 多传感器融合数据处理方法
• 3.1 动态空间模型
• 3.2 贝叶斯估计
• 3.2.1 序贯贝叶斯估计
• 3.2.2 扩展卡尔曼滤波
• 3.3 蒙特卡罗方法的基本原理及思想
• 3.4 粒子滤波算法
• 3.4.1 序贯重要性抽样
• 3.4.2 粒子集的退化现象及消除退化的关键技术
• 3.4.3 粒子滤波收敛性
• 第4章 汽车防撞的安全距离模型
• 4.1 汽车制动距离的计算
• 4.2 系统安全跟车模型确立的原则
• 4.3 模型的建立
• 4.3.1 两车加速度相同情况下行车安全距离的计算
• 4.3.2 本车加速度小于前车情况下行车安全距离的计算
• 4.3.3 特殊天气条件下安全距离的计算
• 第5章 基于雷达/红外融合机动目标跟踪算法
• 5.1 异类传感器数据预处理技术
• 5.1.1 空间和时间对准技术
• 5.2 基于红外/雷达的数据融合
• 5.2.1 传感器的量测模型
• 5.2.2 雷达/红外传感器数据融合
• 5.3 重抽样粒子滤波
• 5.4 粒子滤波仿真
• 第6章 总结与展望
• 参考文献
• 致谢