基于多传感器信息融合的关键技术的研究

论文摘要

多传感器的信息融合技术在多模复合制导系统中有着广泛的应用,多传感器的融合技术就是综合来自多个传感器的量测信息,进行数据的预处理、数据的关联和数据的决策,最后将多个传感器的信息进行融合,在实际中得到很好的正确率和准确度,并且得到了理想的结果。数据的预处理部分,主要介绍了时间配准中的最小二乘配准算法,在野值剔除中,采用了最小二乘算法和卡尔曼滤波算法,并提出了一种基于灰色关联的野值剔除方法,同时进行了相应的仿真。数据关联部分,主要探讨了概率数据关联、联合概率数据关联。在此基础上研究了航迹相关与再相关的问题,并采用匈牙利算法进行了相关的理论仿真,使得关联结果更加准确。数据决策部分,主要介绍了一些常用的D-S证据合成的方法,并比较了它们的优缺点,在此基础上采用了一种新的决策方法,并与其他的方法进行了仿真对比,验证了新的决策方法具有很好的判决效果。数据融合部分,主要研究了航迹融合中的序贯分层融合算法和最优分层的融合算法,并将两种融合方法的每一层进行了对比,可以明显的看出,最优分层融合的方法要优于序贯分层的融合方法。在实际应用中,对信息融合分机进行了相应的调试和测试工作,在此期间,编写了上位机的控制界面,对多传感器信息融合的量测数据进行了各个部分的处理,并输出相应的处理曲线,很好的提高了多模复合制导的精度和可信度。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 信息融合技术的研究现状
• 1.3 研究的目的及意义
• 1.4 本文研究的主要内容
• 第2章 数据的预处理技术
• 2.1 传感器的配准
• 2.1.1 传感器的时间配准
• 2.1.2 最小二乘配准算法
• 2.2 野值的剔除技术
• 2.2.1 最小二乘滤波算法
• 2.2.2 离散卡尔曼滤波法
• 2.2.3 基于灰色关联的野值剔除方法
• 2.2.4 仿真对比
• 2.3 本章小结
• 第3章 多传感器的数据关联
• 3.1 概率数据关联算法
• 3.1.1 数学模型的建立
• 3.1.2 更新状态的计算
• 3.1.3 关联概率的计算
• 3.1.4 关联概率算法的总结
• 3.1.5 概率数据关联的仿真
• 3.2 联合概率数据关联算法
• 3.2.1 互联矩阵的获取
• 3.2.2 联合概率算法的总结
• 3.2.3 联合数据关联算法的仿真
• 3.3 仿真对比
• 3.4 航迹相关与再相关
• 3.4.1 航迹再相关的评判准则
• 3.4.2 数学模型的建立
• 3.4.3 匈牙利算法
• 3.4.4 仿真结果
• 3.5 本章小结
• 第4章 D-S证据理论
• 4.1 D-S证据理论
• 4.1.1 D-S证据理论的基本概念
• 4.1.2 D-S证据理论存在的问题
• 4.2 D-S证据理论的改进
• 4.2.1 D-S证据理论改进算法
• 4.2.2 一种新的改进方法
• 4.3 仿真对比
• 4.4 本章小结
• 第5章 多传感器的数据融合
• 5.1 分层融合的原理
• 5.2 分层融合的算法
• 5.3 分层融合仿真
• 5.3.1 序贯分层融合
• 5.3.2 最优分层融合
• 5.3.3 仿真对比
• 5.4 本章小结
• 第6章 多传感器信息融合的应用
• 6.1 多传感器信息融合的框图
• 6.2 信息融合分机的上位机界面
• 6.3 信息融合分机工作原理
• 6.3.1 相位干涉仪工作阶段
• 6.3.2 空间谱估计工作阶段
• 6.3.3 红外工作阶段
• 6.3.4 3mm被动工作阶段
• 6.4 信息融合分机仿真结果
• 6.4.1 相位干涉仪工作的仿真结果
• 6.4.2 空间谱估计工作的仿真结果
• 6.4.3 红外工作的仿真结果
• 6.4.4 3mm被动工作的仿真结果
• 6.4.5 融合总的仿真结果
• 6.5 本章小结
• 结论
• 攻读硕士学位期间发表的论文和取得的科研成果
• 参考文献
• 致谢