两传感器最优信息融合Kalman滤波器及其在跟踪系统中的应用

针对两传感器信息融合，提出了一种在标量加权下的最优信息融合Kalman滤波器。该信息融合滤波器考虑了局部滤波误差的相关性，避免了局部滤波误差方差阵的逆短阵的计算，也避免了加权短阵的计算，只要求计算加权系数，便于实时应用。一个跟踪系统的仿真例子验证了其有效性。     

多传感器组合导航系统分层融合算法

从信息融合角度来看，目前在组合导航系统中广泛应用的联合滤波算法居于两级式分布式融合结构。而分层融合结构作为多传感器信息融合的另一种重要的模式，在组合导航系统中应用尚未见报道。本文研究了多传感器组合导航系统的分层融合算法，重点与联合滤波算法进行了比较。以定理的形式证明了在一定条件下分层融合算法与联合滤波算法的等价性问题。进而提出了分层融合算法的部分反馈模式。仿真结果表明，部分反馈模式的有序分层融合算法可有效地应用于多传感器组合导航系统。在相同的容错能力和计算复杂性下，可以得到优于联合滤波的导航信息融合结果。     

反馈式多目标多传感器系统误差融合估计技术

本文对多目标情况下的多传感器系统误差估计问题进行了研究,提出了反馈式多目标多传感器系统误差融合估计算法。算法首先对EX算法进行了修正,无需计算各目标状态估计及其增益伪逆,直接利用各传感器量测数据来构建伪量测,通过滤波获得局部传感器组合系统误差估计;其次,算法通过构建状态空间转移矩阵实现了全局估计到局部组合估计关系描述,并从多目标多传感器两个层面对系统误差估计进行更新,即对多目标信息进行递归融合以有效利用空间分布的多目标信息,对多传感器组合估计信息进行反馈融合获得全局估计。蒙特卡洛仿真结果说明该算法能够进行多传感器系统误差的快速精确融合估计,相比EX算法在实时性与估计精度方面均具有较大的优越性。
     

基于线性均方估计的数据融合理论

提出数据的统一线性融合模型，使测量数据、先验信息和预测信息均用数据的统一融合模型进行描述；提出数据的信息量的概念，指出信息量越大的数据，精度越高；提出和证明了基于统一线性融合模型的数据最优融合定理和信息量分解定理；揭示数据线性融合的本质规律。基于数据融合理论，研究多传感器系统联合Kalman滤波，指出信息量分享系数取值的不同只能够影响对应子系统状态的估计精度，不能够改变全局估计精度，得出与文献[11～15]相反的结论。     

基于不确定性分析的多传感器航迹融合算法

针对目前多传感器系统中常用的航迹融合方法精度与计算量不能兼顾,不能很好地处理不确定性,特别是对曲线航迹拐点的融合误差较大等问题,提出一种基于不确定性分析的航迹融合算法.该算法通过分析航迹融合所需的信息量,用标准熵量化每条航迹的不确定程度,从总体上删除质量较差的航迹,然后对每条参与融合的航迹进行分析,用正交多项式回归的方法剔除了测量误差较大的数据点.该算法有效的处理了传感器航迹中的不确定因素,解决了目前航迹融合方法中拐点融合误差较大的问题,以较小的计算开销达到了较高的精度,从而平衡了精度与计算量之间的矛盾.最后在多传感器多航迹的环境下讨论了其具体实现过程,仿真实验结果验证了该算法的有效性、优越性.     

基于多尺度分布式融合估计的GPS/INS组合导航系统的研究

针对如何融合多传感器的数据、提高数据处理的可靠性和精度的问题,将基于模型的动态系统分析方法与基于统计特性的多测度信号变换方法相结合,提出基于Kalman滤波的多尺度分解与估计联合的多尺度分布式融合估计算法.该算法首先建立系统的动态方程和观测方程,再利用小波变换将数据在不同尺度上进行融合处理,归纳出该算法的实现步骤.最后通过组合导航系统的仿真验证算法的有效性,结果进一步证明了该算法能够有效地提高多传感器数据的处理精度.     

多传感器信息融合技术综述

信息融合是信息领域一个前景广阔的研究方向。通过多传感器组网可以获得比单一传感器质量更高的信息。从信息融合的定义诠释了信息融合的内涵,指出信息融合的实质是推理与决策。给出集中式、分布式和混合式三种模型结构,比较它们的优缺点。融合层次对多传感器信息融合性能有重要影响,给出三种融合层次的性能对比结果。分析四种流行的融合处理算法,比较它们的性能。最后从技术发展和应用需求出发,对信息融合的发展作进一步展望。     

多传感器信息融合技术

多传感器信息融合可以获得比单一传感器更多的信息，是一种发展趋势。文章从多传感器组网出发，讨论了多传感器信息融合的分类，融合方法，重点研究了分布式多传感器数据融合模型和检测方法，提出了一种基于人工智能的多传感器数据融合专家系统模型。     

机动目标多传感器组网空间配准方法

针对存在传感器偏差的多传感器组网系统跟踪机动目标的问题,把目标状态与传感器偏差进行解耦估计,提出了一种基于交互多模型的两阶段扩展Kalman滤波(IMM-TSEKF)算法。由于传感器观测方程的非线性,文中采用了两阶段扩展Kalman滤波器(TSEKF),针对机动目标,把IMM算法与TSEKF算法相结合用于目标跟踪与空间配准。此外还对算法的时间复杂度进行了分析,并以螺旋机动战术弹道导弹为目标进行组网空间配准与目标跟踪。仿真结果表明,相比于常规的基于交互多模型的增广Kalman滤波(IMM-ASEKF)算法,该文算法在估计性能相当的情况下,减小了计算的复杂度,提高了计算效率,更易于工程实现。     

使用信息矩阵滤波的跟踪融合的性能评估

在多传感器环境下，每个传感器探测多个目标，接着产生相应的跟踪。这些跟踪可能互不相同，经过融合后，传感器生成有关目标的更精确的运动信息和属性信息。目前已有两种方法可以达到上述目的，一种是测量值融合法，一种是状态矢量融合法。众所周知，测量值融合计算法通常最优，但计算费时，而状态矢量融合算法计算省力却是次优。之所以如此，是因为从两个传感器中获得的待融合状态级估值，由于通常存在被跟踪目标的过程噪声，通常并非条件独立。值得注意的是，状态矢量融合已有三种计算法：加权协方差法、信息矩阵法和伪测量法。本文仅限于讨论状态矢量融合中信息矩阵形式的性能评估。利用信息矩阵计算法已经推导出稳态融合协方差的闭式分析解并作为一种性能的度量方法。注意，推导出的结果基于两个传感器同步工作且没有误关联的假设，或是在研究时考虑了融合测量值。并且我们将推导出的结果用蒙特卡罗仿真进行了比较，过去曾有许多作者利用蒙特卡罗仿真来预测融合系统的性能。这些结果有助于更加深入地了解跟踪融合的作用原理，并大大简化了对融合性能的评估。此外，有了这样的解，简化了对各种不同工作条件下设计融合系统的折衷研究。     

基于UKF的异类传感器集中式融合算法

综合考虑航天器跟踪测量中速度和精度的要求,对异类传感器集中式融合问题进行了研究,提出了基于无迹卡尔曼滤波(UKF,Unscented Kalman Filter)和简化的分类数据压缩技术的非线性系统实时集中式融合算法.仿真表明新的算法融合性能优于基于扩展卡尔曼滤波(EKF,Extended Kalman Filter)和扩维技术的并行集中式融合算法.     

多姿态敏感器测量的信息融合定姿方法研究

基于最优融合估计理论,给出并证明了多敏感器组合姿态确定系统状态最优融合估计形式。设计了基于信息分配的多信息融合联合滤波器结构和算法,分析估计性能,讨论了决定联合滤波器融合的性能信息分配因子选择方法,提出了一种基于协方差阵特征值平方分解的动态自适应信息分配因子确定方法。以某卫星多姿态敏感器组合测量为例,推导了卫星姿态确定的误差状态方程和各子系统的量测方程及观测阵。仿真结果表明：采用联合滤波器对多敏感器卫星姿态确定系统进行信息融合能改善定姿精度,有效抑制滤波发散,并提高整个系统的运算与收敛速度。     

An information fusion algorithm for integrated autonomous orbit determination of navigation satellites

This paper focuses on the information fusion problem of integrated autonomous orbit determination using the observations from inter-satellite-link (ISL), X-ray pulsars and star sensors. A step Kalman filter structure is proposed to solve the information fusion problem of multiple subsystems that have greatly different filtering precision. The subsystems are grouped according to their measurement accuracy and the state parameters and covariance matrix of a group can be calculated using the federated filter structure and propagated to the next group step-by-step. Simulation results show that the mean user range error (URE) of the constellation will be less than 1.5 m in 60 days using the step Kalman filter structure for information fusion. And it has better performance than the federated structure in dealing with information fusion of the astronomical observations and the ISL ranging measurements in integrated autonomous orbit determination.     

卫星多敏感器组合姿态确定系统中的信息融合方法研究

针对卫星陀螺，红外地平仪，太阳敏感器，GPS接收机组合姿态确定系统的特点，提出一种基于联邦卡尔曼滤波算法的信息融合方法，其中信息分配系数通过计算协方差矩阵的迹在线自适应确定。推导了由四元素描述的卫星姿态误差状态方程和各子系统的测量方程。仿真分析结果表明采用该信息融合算法可以提高定姿精度，有效抑制滤波发散，并使整个系统的运算速度和收敛速度都有所提高。     

多传感器信息融合系统改进型BA模型

随着网络中心战和网络动力学的发展,多传感器信息融合系统的网络动力学特征研究将成为热门课题。本文从网络动力学角度,研究信息融合系统的两个问题。一是研究信息融合系统的无尺度网络特征,首次使用无尺度网络模型作为信息融合系统的构造形式。二是结合信息融合系统的特殊要求对BA模型做了相应的改进,给出一种信息融合系统改进型BA网络模型。该改进型BA模型更符合信息融合的网络动力学特征,其平均距离比BA模型改善10%。     

多敏感器信息融合技术在卫星姿态确定中的应用

针对惯性陀螺、星敏感器和红外地平仪组成的卫星姿态确定系统,基于联邦卡尔曼滤波技术和多敏感器信息融合技术,提出了二级分散滤波方案,该方案能够实现系统的故障诊断与系统重构,提高系统的可靠性,最后通过仿真解算出高精度的姿态测量信息。     

自适应融合滤波算法及其在INS/GPS组合导航中的应用

针对扩展卡尔曼滤波器(EKF)在系统模型不确定时存在鲁棒性差、精度低的问题,设计了一种基于交互式多模型(IMM)的自适应融合滤波(AFF)算法。IMM\|AFF算法采用两个模型来描述系统结构,且与每个模型相对应的Sage\|Husa滤波器和强跟踪滤波器(STF)独立并行工作,系统的状态估计则是两种滤波器估计的模型概率加权融合。IMM\|AFF算法兼具Sage\|Husa滤波器状态估计精度高和STF对系统模型不确定具有强鲁棒性的优点,克服了两种滤波器各自单独使用时的缺点。将IMM\|AFF算法应用于INS/GPS组合导航系统的仿真结果表明,IMM\|AFF算法的滤波精度和鲁棒性均明显优于目前工程应用中的EKF,特别是大大提高了INS/GPS系统的定位 精度 。
     

基于样条模型的多传感器目标跟踪算法研究

研究武器试验中多传感器目标跟踪的数据融合问题。通过用样条函数表示目标轨迹参数,建立了问题的节省参数模型,并构造了快速的样条递推算法和参数估计算法。采用样条函数这种稀疏表示方法后,新方法能有效地减少待估参数的个数,提高参数估计精度,在减少计算量的同时降低处理系统的存储负担。仿真结果说明新算法能在很短的时间内完成数据融合,且得到的融合结果精度很高。