1 导言
多传感器的集成与交融技能已经成为智能机器与体系范畴的一个重要的研讨方向。它触及信息科学的多个范畴,是新一代智能信息技能的中心根底之一。因为单传感器不可避免存在不确定或偶尔不确定性,缺少全面性,缺少鲁棒性,所以偶尔的毛病就会导致体系失效。多传感器集成与交融技能正是处理这些问题的良方。多个传感器不只能够描绘同一环境特征的多个冗余的信息,并且能够描绘不同的环境特征。多个传感器的运用还能够使信息收集和处理进程并行化,不只能够得到更全面、更准确的信息,并且削减时间和本钱,进步整个体系的功能。多传感器集成与交融的特色便是冗余性、互补性、及时性和低本钱性。
本文从树立伪量测方程的视点,提出了一种异质多传感器的异步量测交融算法,该算法是经过在交融中心树立伪量测方程使各传感器的数据同步,然后使用同步的思维进行处理,最终经过核算机仿真进行了验证。
2 体系模型
不失一般性,以在球面坐标系中运动的方针为例进行剖析,则离散时间线性体系的状况方程为:
X(k+1)=F(k+1,k)X(k)+Γ(k+1,k)V(k) (1)
其间,X(k)为k时间方针的状况向量;kF(k+1,k)为状况搬运矩阵;Γ(k+1,k)为进程噪声搬运矩阵;V(k)是零均值,高斯白噪声序列,其协方差阵为Q(k)。
在实践情况下,传感器得到的是三维球坐标系或二维极坐标系的方针量测,即包含斜距r、方位角a和俯仰角e.假定某一传感器的丈量方程为:
Z(k)=h(X(k))+W(k) (2)
其间,W(k)是k时间的丈量高斯白噪声,其彼此独立且协方差为R(k),量测向量Z(k)包含斜距r(k)、方位角a(k)、俯仰角e(k),坐标转化如图2所示,由其界说可得:
3 丈量方程的线性化
因为丈量方程(2)是一个非线性方程,能够使用泰勒级数打开,对其进行线性化,打开环绕者猜测状况X(k/k-1)进行,表明如下:
其间观测斜距用的量测矩阵Hr(k)由下式表明为:
故状况方程(1)和丈量方程(4)组成线性化方针运动模型。
4 交融算法
假定选用N个传感器对方针进行观测,TI是第i个传感器的采样距离,且在每个时间距离[(k-1)T,kT](T为交融周期)内各传感器共发生了Nk个量测,在该时间距离内,某个传感器或许发生一个或几个量测,nik为传感器i供给量测的数目,则有:
若某个传感器j,在该时间距离内没有供给量测,那么在式(5)中nik=0,这些量测在该时间距离内是恣意散布的。
令λik(i=1,2,…,Nk)为获得第i量测时间与KT之间的距离,为便利符号,以下KT简写为K,如图2所示,则量测i的丈量方程可表明为:
则单个交融距离内的量测调集可表明为:
直到k时间停止各传感器全部量测调集可表明为:
其间,Z(k),H(k),η(k)分别为扩维后的观测矢量、观测矩阵和丈量噪声矢量,且有E[η(k)]=0,伪量测噪声之间的协方差矩阵为:
伪量测噪声与体系噪声之间的协方差矩阵为:
在条件1下,依据伪体系模型(1),(10),经过求解给定伪丈量条件下关于方针状况的概率密度函数推导出相应的并行滤波异步数据交融算法:
则式(12)~(16)构成了异质多传感器扩维滤波交融算法,从中可知,该异步数据交融算法,核算较为简洁,但其是在条件1下的滤波交融,故该算法在功能上为次优。
5仿真剖析
假定选用雷达(丈量值为斜距,方位角和俯仰角)和红外(方位角和俯仰角)2个传感器一起盯梢1个方针,设匀速直线运动方针的初始状况向量为x(0)=[30 000,-200,20 000,150,1 000,10]T,丈量周期为T1=T2=2 s,传感器2比传感器1晚1 s开端采样,雷达和红外传感器的测距、测方位和测俯仰的精度为:σr=100 m,σa1=7 mrad,σa2=6 mrad,σe1=2 mrad,σe2=1 mrad,进行100次Monter Carlo仿真试验,选用滤波RMSE的均值Ps来衡量各交融算法的估量精度,且:
仿真成果如图3所示。
6结语
本文提出一种不同传感器数据的交融算法,即首先是经过树立伪量测方程得到同步化的伪量测数据,之后使用一种扩维滤波的思维得到方针状况的最优估量,因为该算法适用与不同类型传感器异步数据的交融,所以该算法是一种实践算法。多传感器信息交融技能触及到多学科、多范畴,且具有多信息量、多层次、多手法等特色,并在机器人、毛病诊断、图画处理等民用范畴中,充分发挥了强壮的信息处理优势,简直全部需求信息处理的体系都能够使用信息交融,使用信息交融技能可得到比单一信息源更准确更彻底的判别。在将来,多传感器信息交融技能以军事使用为中心,将不断地向工业、农业等范畴浸透,从而获得更为广泛的使用。