测控系统多体制传感器数据融合方法研究

论文摘要

多传感器数据融合(Multisensor Data Fusion,MSDF)是一门新兴的交叉学科,在雷达、声纳、导航、自动控制及机器人技术等方面都有着极为广泛的应用。多传感器数据融合的目的就是利用多个或多种体制的传感器所提供的冗余信息和互补信息,产生比单一传感器更精确、更完善、更可靠的描述,来减少观测信息的模糊性和不确定性,从而提高对目标的检测、跟踪定位和识别能力,以增强系统的可靠性和生存能力。本文以测控系统作为研究背景,对多体制传感器的数据融合方法进行了较为系统地研究,其主要内容如下：(1)在利用原有的光测与雷测数据融合处理研究成果的基础上,对光测与GPS数据、雷测与GPS数据以及光测、雷测与GPS数据联合处理模型与最优权值的确定方法、参数非线性估计方法进行了研究。(2)给出了参数的样条函数表示与多测元联合处理模型和方法,对测元数据常值、慢变等主要系统误差进行诊断和估计。(3)通过外测多站、多类型设备测量数据的联合处理,实现测量数据的自校准和互校准,并分析各设备的跟踪测量状态与测量精度。(4)给出了不完全测量情况下数据处理的方法,提供一定条件下不完全测量的解算方法。(5)对采用不同测量数据的处理方案和测量数据方法进行了仿真计算,分析不同测量组合、不同测量几何、不同数据处理方法对参数估计精度、主要跟踪系统误差估计精度、测元加权的影响,以确定最佳测元加权的影响,从而确定最佳测元组合与数据处理方法。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 国内外发展现状
• 1.3 本文主要研究工作
• 第2章 测控系统多传感器系统分析
• 2.1 光电经纬仪
• 2.2 雷达
• 2.3 全球卫星定位系统
• 2.4 无线电遥测
• 2.5 多传感器数据融合系统结构
• 2.6 本章小结
• 第3章 数据预处理技术
• 3.1 时统对齐
• 3.2 空间对准
• 3.2.1 几种常用坐标系的定义
• 3.2.2 坐标系之间的相互转换
• 3.3 野值剔除
• 3.3.1 有效数据段落与有效测量通道判定
• 3.3.2 离散单点野值剔除
• 3.3.3 斑点野值剔除
• 3.3.4 中心平滑
• 3.3.5 样条拟合
• 3.4 平滑滤波
• 3.4.1 中心数据平滑与滤波
• 3.4.2 多项式平滑与滤波方法
• 3.4.3 样条平滑与滤波方法
• 3.4.4 α-β滤波和α-β-γ滤波
• 3.4.5 卡尔曼（Kalman）滤波
• 3.5 本章小结
• 第4章 基于数据融合的航迹解算方法
• 4.1 说明
• 4.1.1 数据（信号）模型
• 4.1.2 光测与GPS航迹数据联合处理
• 4.1.3 雷测与GPS航迹数据联合处理
• 4.1.4 系统误差模型
• 4.2 光测、雷测与GPS航迹数据联合处理
• 4.3 外测设备跟踪测量情况综合分析
• 4.3.1 单测元测量数据的自评价
• 4.3.2 数据融合的精度评定
• 4.3.3 多测元数据融合模型的权值
• 4.3.4 多测元数据融合模型的权值估计
• 4.3.5 多测元数据融合模型不同测元的相互比对
• 4.3.6 多测元数据融合模型的不同测量段的相互比对
• 4.4 不完全测量情况数据处理
• 4.4.1 部分段落没有高精度测量数据
• 4.4.2 某些观测点任何测量系统不能单独解算
• 4.5 本章小结
• 第5章 仿真结果分析与效果评估
• 5.1 仿真计算的意义
• 5.2 多信息源数据仿真
• 5.2.1 设备工作原理
• 5.2.2 数据剔野平滑仿真设计
• 5.2.3 融合仿真设计
• 5.3 仿真结果分析
• 第6章 总结与展望
• 6.1 本论文工作总结
• 6.2 展望
• 参考文献
• 致谢