多传感器异步采样信息融合估计

论文摘要

随着多传感器数据融合技术在军事和民用等领域中的广泛应用，国内外学者对它的研究也在迅速升温然而目前研究较多的是同步数据融合问题，即假设各传感器同步对目标进行测量，并且同步传送数据到融合中心而在实际中经常遇到的却是异步融合问题，如所用的各种传感器具有不同的采样速率，固有延迟和通信延迟，都会产生异步多传感器数据融合问题因此研究多传感器异步采样信息融合技术具有更重要的理论意义和应用价值本文主要对多传感器异步采样信息融合估计的算法进行了研究，包括具有整数倍采样率的多传感器系统的信息融合滤波器的设计，具有有理数倍采样率的多传感器系统的信息融合滤波器的设计，以及具有四种速率的多速率多传感器系统的信息融合滤波器的设计对具有整数倍采样率的线性离散随机系统，基于已知建立在最细尺度上的状态方程，通过对状态方程和观测方程进行分块，将模型转化为建立在各个尺度上的状态空间模型对于新的具有单采样率的多传感器系统，推导出了任意两个传感器子系统之间的状态滤波误差互协方差阵的计算公式最后基于线性最小方差最优加权融合算法给出了状态融合滤波器对具有有理数倍采样率的线性离散随机系统，通过模型变换将原来的异步采样系统转化为了具有单采样率的多传感器系统，从而得到局部Kalman滤波器针对多传感器系统，推导了任意两个传感器子系统之间的估计误差互协方差阵最后基于线性最小方差最优加权融合算法给出了状态融合滤波器对具有多速率的线性离散随机系统，其中涉及到四种速率：状态更新率，观测采样率，估计更新率和估计输出率假定系统模型中的状态更新率与观测采样率各不相同对于单传感器，估计更新率与观测采样率相同，估计输出率为任意的正整数首先通过模型变换将原多速率系统转化为单速率线性离散随机系统，随后给出了局部单传感器的滤波器最后依据分布式加权融合算法，给出了两种加权融合状态滤波器

论文目录

• 中文摘要
• Abstract
• 符号说明
• 第l章 绪论
• l.l 课题研究的背景和意义
• l.2 多传感器信息融合估计
• l.2.l 信息融合技术的国内外发展现状
• l.2.2 信息融合的结构和方法
• l.2.3 信息融合中的状态估计
• l.3 多传感器异步采样系统状态估计的研究概况
• l.4 本文的主要研究内容
• 第2章 具有整数倍采样率的多传感器系统的分布式融合状态滤波器
• 2.l 引言
• 2.2 问题描述
• 2.3 模型转化
• 2.4 扩维的Kalman滤波器
• 2.5 任两个子系统之间的估计误差互协方差阵的计算
• 2.6 多传感器分布式加权最优信息融合Kalman滤波器
• 2.7 仿真研究
• 2.8 本章小结
• 第3章 具有有理数倍采样率的多传感器系统的分布式融合状态滤波器 l7
• 3.l 引言
• 3.2 问题描述
• 3.3 模型转化
• 3.4 局部最优Kalman滤波器
• 3.5 任意两个传感器子系统之间的滤波误差互协方差阵
• 3.6 多传感器分布式加权最优信息融合Kalman滤波器
• 3.7 仿真研究
• 3.8 本章小结
• 第4章 多速率多传感器系统的分布式融合状态滤波器
• 4.l 引言
• 4.2 问题描述
• 4.3 模型转化
• 4.4 局部最优Kalman滤波器 3l
• 4.5 多传感器分布式加权次优信息融合滤波器 3l
• 4.6 仿真研究
• 4.7 本章小结
• 结语
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文