带反馈分布式不同维传感器状态估计技术

论述了带反馈分布式信息融合系统中传感器观测维数不同时的状态估计方法。在多传感器系统中，目标的测量是在极坐标中获得，而数据处理通常是在直角坐标中完成。由于二维传感器不能获得观测目标的俯仰信息，其估计将会产生一定的动态误差。在分布式的信息融合系统中，各传感器需要将各自的局部估计送到融合中心进行统一处理。如果不适当地减小这种动态误差，必然将导致整个信息融合系统的估计精度下降。针对上述问题，文章讨论了如何利用系统反馈信息，减小二维传感器的局部估计误差，从而提高整个系统的估计精度。最后，给出了算法的仿真分析。仿真结果表明该方法能够有效地减小系统动态误差。     

模糊超球神经网络辅助组合导航融合算法

研究了应用线性网络对组合导航多传感器信息进行融合的方法,在此基础上提出了一种神经网络组合导航容错算法。该算法将局部滤波器状态估计的模糊超球隶属函数引入网络,在线调整融合网络权值,实现全局估计的自适应性和容错性。仿真表明,该融合算法有较高的估计精度,在传感器故障时,能够及时检测出并在融合网络中予以隔离,不致影响全局估计。     

基于改进EX的机动雷达误差配准算法

针对EX(Exact Method)算法的大计算量和耗时对其工程应用造成的不利影响,提出了一种改进的EX算法（MEX算法）,通过优化EX算法的算法结构,消除其存在的冗余运算,提高了实时性;为解决机动雷达情况下的误差配准问题,通过改进MEX算法以适应系统存在姿态角系统误差的特点,提出了扩展的MEX算法（EMEX算法）;把EMEX算法推广应用到多机动雷达情况下的系统误差估计中,得到了采用集中式融合结构的EMEX算法（CEMEX算法）。为验证提出算法的正确性和有效性,对算法进行蒙特卡洛仿真比较,结果表明,MEX算法在保持EX算法估计性能不变的前提下,大大减少了算法耗时,提高了EX算法的估计效率;EMEX算法能够有效地估计出机动雷达的各种系统误差;CEMEX算法能够有效地融合多部雷达量测的信息,具有良好的系统误差估计性能。     

基于极大似然的单传感器误差配准算法

对单传感器系统误差配准问题进行了研究,首先理论分析了传感器量测系统误差对固定目标探测定位的影响,给出了传感器运动将造成固定目标产生虚像做类似运动的结论;在此基础上,提出了一种基于极大似然的单传感器误差配准算法,该算法基于极大似然准则,利用运动传感器对固定目标虚像位置的多时刻跟踪滤波信息,构建对传感器量测系统误差的极大似然估计,并通过进一步迭代估计获得系统误差最终估计结果,从而能够利用位置未知的固定目标实现运动平台单传感器量测系统误差的精确配准。     

基于联邦滤波的异质异步多传感器组合导航算法

针对多源组合导航中各导航子系统数据更新频率不一致导致滤波器量测信息非等间隔,以及动力学模型受到干扰量测信息异常的问题,提出一种基于多尺度模型的自适应组合导航信息融合算法.利用不同尺度上的观测信息在各尺度上进行Kalman滤波,并经过融合最终获得基于全局的状态估计值.且以飞行器为应用对象,设计了适用于飞行器的惯导/卫星/高度计/航姿仪(SINS/GNSS/ALTM/AHRS)组合导航算法.根据观测信息和动力学模型异常情况,引入自适应因子,进而控制对量测预测值的信任度,有效地抑制了不精确估计对导航结果的影响.     

大尺度弱纹理场景下多源信息融合SLAM算法

为实现自主机器人大尺度弱纹理场景下局部精准和全局无漂移的状态估计,提出一种视觉惯性与全球导航卫星系统多源信息融合的同时定位与地图构建算法。首先,通过在局部状态估计中加入线特征来更直观表示环境的几何结构信息,有效提升了弱纹理场景中关键帧之间相对位姿估计的准确性;其次,通过引入线性误差表示,将线性特征表示为直线端点上的线性约束,从而将线特征整合到基于特征点算法的线性表示中,有效改善算法在重复线特征场景下的鲁棒性。最后,使用多源信息融合算法,融合视觉惯性与GNSS测量信息实现了局部精确和全局无漂移的位姿估计,有效解决了大尺度弱纹理场景下的精准状态估计问题。多个公共数据集的评估结果表明,所提出算法的鲁棒性更强、定位准确度更高。     

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。     

基于融合状态递推的非线性联邦滤波器故障检测算法

传统的联邦滤波器故障检测算法一般是针对线性系统模型提出的,现在非线性条件下对算法进行推广,推导了针对非线性模型的状态χ~2故障检测算法,并对其进行改进,提出一种基于融合状态递推的新型联邦滤波故障检测算法。该算法利用联邦滤波器的全局最优融合状态通过状态递推器获得融合状态递推,再由各子系统通过非线性滤波得到的状态估计与融合状态递推之间的残差构造检验量,进行故障检测。由于全局最优融合状态的精度要高于局部滤波值,故相比于传统联邦故障检测法,该算法的检测灵敏度更高;最后设计了一组仿真实验,验证了该检测算法的有效性。     

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。     

基于模糊最小方差估计的超视距雷达多模式融合跟踪算法

天波超视距雷达(OTHR)是通过电离层反射实现超视距广域监视的,其地理坐标系下的量测方程存在强非线性,同时由于电离层的不同分层,造成了多路径传播的严重问题,即同时存在多个量测模型。本文借鉴多传感器数据融合的思想,提出了一种新的超视距雷达跟踪算法,将多路径信息看作是多传感器提供的量测信息,利用模糊最小方差估计的方法对多路径信息进行同步融合。仿真结果表明,当在杂波环境中,跟踪一个存在四种可能非线性量测的非机动目标时,本文提出的基于模糊最小方差估计的多模式融合跟踪算法(FLCE-MFT)与多径概率数据互联算法(MPDA)相比,在距离维的精度具有很大改善,且耗时大大缩短,具有更好的跟踪性能。     

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。     

多传感器最优信息融合Kalman多步预报器及其应用

提出了一种新的标量加权线性最小方差意义下的多传感器最优信息融合算法。该算法考虑了局部估计误差之间的相关性，只需计算加权标量，避免了加权矩阵的计算，明显减小了计算负担，便于实时应用。基于该融合算法，对被多个传感器观测的离散线性随机系统，给出了具有容错性的多传感器标量加权最优信息融合分布式Kalman多步预报器。它具有两层融合结构，其中第一融合层具有网状并行结构，用来获得每时刻每两个无故障传感器子系统之间的滤波误差互协方差阵；第二融合层用来确定最优标量加权系数，进而获得标量加权最优融合Kalman多步预报器。将其应用于雷达跟踪系统验证了其有效性。     

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.     

基于图像的着陆点评估及探测器运动估计方法

针对深空探测任务特点给出了一种基于导航图像的探测器着陆点选择与探测器运 动估计技术。考虑到在着陆初始阶段(探测器高度＞2 km)导航相机所拍摄到的天体表面 近似为平面。这里通过跟踪至少4个平面内的特征点在导航图像序列 中的位置, 利用最小二乘法计算单应矩阵,由该矩阵得到探测器部分相对运动参数。结合激光测距仪给 出的探测器与天体表面之间的距离信息,可以得到全部6自由度参数。安全着陆点的选择与 评估首先利用图像灰度预选出平整的着陆点,再由着陆点对应的单应矩阵和之前获得的帧间 相对运动验证着陆点坡度。蒙特卡洛仿真结果表明,着陆点评估算法能够有效地选取满足平 整和坡度要求的着陆点,运动估计算法实时地对探测器参数进行估计,平移估计相对误 差小于10％,旋转估计误差小于0.23°。
     

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。     

一种基于随机集的目标跟踪算法研究

针对多传感器多目标跟踪问题,提出了基于随机有限集的概率假设密度（PHD）滤波算法。该算法通过选取与各传感器相关的重要性密度函数,层层更新各传感器的采样粒子,达到多传感器多目标有序PHD跟踪。给出了应用该算法的具体步骤,通过仿真实例证明该算法的有效性。     

基于Cramér-Rao下限的多传感器跟踪资源协同分配

针对防空指挥控制系统中多传感器管理问题,提出了一种基于目标跟踪精度Cramér-Rao下限的多传感器跟踪资源协同分配方法。该方法首先利用目标战术重要性函数求解目标优先级;然后在目标优先级函数和目标—传感器配对效能函数的基础上,构造了多传感器资源协同分配一般模型,并根据目标跟踪过程特点将Cramér-Rao下限引入到协同分配的模型中,使得在进行跟踪资源协同分配时无需考虑目标跟踪滤波算法的选择。对于分配过程中出现的NP(Non-deterministic polynomial)难问题,探讨了利用匈牙利算法寻求满足条件的目标传感器最优组合,给出了模型求解的步骤。仿真结果表明,这种多传感器跟踪资源协同分配方法的可行性与模型求解的快速性。     

三星时差定位系统的有源校正算法

针对三星时差（TDOA）定位系统中，由星历误差和时间同步误差导致无法精确定位的问题，提出一种基于正交投影的两步迭代有源校正算法。该算法首先利用正交投影将时间同步误差从观测方程剔除，然后引入一个与辐射源位置和星历误差有关的中间变量，通过对中间变量的最优估计消除星历误差对定位精度的影响，最后利用中间变量求解出目标辐射源位置。仿真结果表明，所提算法定位性能的仿真值和理论值均可以达到克拉美-罗界（CRLB），当TDOA观测噪声较小且有3个以上参考源时，可以完全校正星历误差和时间同步误差对定位精度的影响。